Reporte Base de datos Agencia de la Educación

A continuación se expone el reporte técnico con el análisis de las bases de datos otorgadas por la Agencia de la Calidad de la Educación, en marco de su evaluación nacional sobre formación ciudadana realizada el año 2017 a una muestra representativa de estudiantes de 8º básico. Esta evaluación cuenta con una muestra de escuelas llegando a un total de 10.213 estudiantes de 8º básico y considera la aplicación de cuestionarios actitudinales para los/as estudiantes y sus padres.

En ese sentido, el objetivo de este reporte es profundizar en un aspecto central del proyecto Fondecyt: identificar la transmisión intergeneracionla de la desigualdad política, orientada a evaluar la coincidencia de las actitudes, conocimiento, creencias y comportamiento para el ejercicio de la ciudadanía entre padres/madres y sus hijos(as). Para esto, el presente reporte considera el análisis de tres instrumentos:

  • Resultados prueba de conocimiento cívico bbdd_puntajes
  • Cuestionarios a estudiantes sobre creencias, conocimiento, actitudes y prácticas (CCAP), para el ejercicio de la ciudadanía:bbdd_estudiantes
  • Cuestionarios a estudiantes sobre creencias, conocimiento, actitudes y prácticas (CCAP), para el ejercicio de la ciudadanía:bbdd_padres

Este documento se divide en cuatro secciones: análisis de calidad de las bases de datos, variables disponibles para el estudio, descripción de las principales variables relevantes para los objetivos del proyecto y análisis correlacional de las principales variables entre padres e hijos, para finalizar con una sección de análisis de regresión múltiple considerando la información disponible.


Calidad bases de datos

Información disponible

La información facilitada por la agencia de la educación se puede desglosar en tres bases de datos que tienen observación para los estudiantes de la muestra y sus padres. A continuación se detallan el número de observaciones y variables respectivas.

Se realiza un merge con las tres bases de datos anteriores consolidando todo en una base única (bbdd). A raíz de las diferencias entre las observaciones disponibles detalladas en la tabla anterior, se obtiene un número importante de casos pérdidos para la base final.

A pesar de que la unión de estas tres bases de datos arroja una base general bbdd con 10.213 observaciones, se debe considerar que hay 3.443 casos para los que no tenemos información completa disponible en alguna de las tres bases de datos anteriores. A partir A continuación se realiza una aproximación exploratoria para las variables existentes en cada una de las tres bases de datos. En la siguiente sección se realizará un análisis más detallado de estos casos pérdidos.


Exploración bases de datos

El principal inconveniente de estas bases de datos es que las categorías 99 (doble marca) y 0 (vacío) no están registrados como casos pérdidos, por ende perdemos aún más observaciones sobre todo en el cuestionario de padres. Se debe tener claro esto a la hora de realizar los análisis en pro de las hipótesis del proyecto.

BBDD Puntajes

  • Base de datos con la información sobre los puntajes obtenidos en la prueba de conocimiento cívico.

Skim summary statistics
n obs: 10213
n variables: 9

variable missing n n_unique top_counts ordered
sexo 0 10213 2 Hom: 5298, Muj: 4915, NA: 0 FALSE
variable missing n mean sd p0 p100 hist
codigocurso 0 10213 3403.13 2482.78 398 8951 ▇▆▆▂▃▂▃▂
idalumno 0 10213 5107 2948.38 1 10213 ▇▇▇▇▇▇▇▇
mrbd 0 10213 47974.72 28664.02 937 99968 ▇▅▆▆▆▅▅▆
numerolista 0 10213 16.73 10.81 1 52 ▇▆▇▅▃▂▁▁
ponderador 1730 10213 29.88 47.49 2 317.71 ▇▁▁▁▁▁▁▁
puntaje 1841 10213 477.06 100.59 200.91 762.53 ▁▂▆▇▇▆▂▁

BBDD Alumnos

  • Base de datos con las respuestas del cuestionario sobre CCAP para el ejercicio de la ciudadanía en estudiantes. Las categorías de 0 (vacío) y 99 (doble marca) se recodifican como missing.

Skim summary statistics
n obs: 8589
n variables: 222

variable missing n mean sd p0 p100 hist
alp1 133 8589 3.38 0.88 1 4 ▁▁▂▁▁▃▁▇
alp10 95 8589 1.55 0.5 1 2 ▆▁▁▁▁▁▁▇
alp11 126 8589 1.11 0.32 1 2 ▇▁▁▁▁▁▁▁
alp12 99 8589 2.06 0.56 1 3 ▂▁▁▇▁▁▁▂
alp13 139 8589 1.36 0.48 1 2 ▇▁▁▁▁▁▁▅
alp14_1 140 8589 3.01 0.87 1 4 ▁▁▃▁▁▇▁▆
alp14_2 141 8589 2.88 0.89 1 4 ▂▁▃▁▁▇▁▅
alp14_3 152 8589 3.48 0.76 1 4 ▁▁▁▁▁▃▁▇
alp14_4 205 8589 2.96 0.91 1 4 ▂▁▃▁▁▇▁▆
alp14_5 279 8589 3.05 0.9 1 4 ▂▁▃▁▁▇▁▇
alp14_6 313 8589 2.66 0.95 1 4 ▃▁▆▁▁▇▁▅
alp14_7 274 8589 2.86 0.94 1 4 ▂▁▅▁▁▇▁▆
alp15_1 156 8589 3.21 0.79 1 4 ▁▁▂▁▁▇▁▇
alp15_2 186 8589 3.38 0.75 1 4 ▁▁▂▁▁▆▁▇
alp15_3 253 8589 2.6 0.91 1 4 ▂▁▆▁▁▇▁▃
alp15_4 262 8589 3.15 0.81 1 4 ▁▁▃▁▁▇▁▇
alp15_5 323 8589 2.97 0.89 1 4 ▂▁▃▁▁▇▁▆
alp15_6 288 8589 3.14 0.84 1 4 ▁▁▃▁▁▇▁▇
alp16 143 8589 2.14 0.81 1 4 ▃▁▇▁▁▃▁▁
alp17_1 158 8589 1.41 0.66 1 3 ▇▁▁▂▁▁▁▁
alp17_10 421 8589 1.11 0.39 1 3 ▇▁▁▁▁▁▁▁
alp17_2 185 8589 1.22 0.53 1 3 ▇▁▁▁▁▁▁▁
alp17_3 243 8589 1.51 0.73 1 3 ▇▁▁▃▁▁▁▂
alp17_4 238 8589 1.31 0.6 1 3 ▇▁▁▂▁▁▁▁
alp17_5 212 8589 1.14 0.43 1 3 ▇▁▁▁▁▁▁▁
alp17_6 339 8589 1.14 0.44 1 3 ▇▁▁▁▁▁▁▁
alp17_7 436 8589 1.35 0.67 1 3 ▇▁▁▂▁▁▁▁
alp17_8 351 8589 1.23 0.56 1 3 ▇▁▁▁▁▁▁▁
alp17_9 439 8589 1.1 0.36 1 3 ▇▁▁▁▁▁▁▁
alp18_1 175 8589 3.77 1.34 1 5 ▂▂▁▃▁▂▁▇
alp18_2 214 8589 2.26 1.39 1 5 ▇▃▁▃▁▂▁▂
alp18_3 305 8589 1.74 1.03 1 5 ▇▃▁▂▁▁▁▁
alp18_4 391 8589 2.35 1.42 1 5 ▇▅▁▃▁▂▁▂
alp18_5 224 8589 4.19 1.24 1 5 ▁▁▁▁▁▂▁▇
alp19_1 485 8589 1.12 0.4 1 3 ▇▁▁▁▁▁▁▁
alp19_10 546 8589 2.05 0.86 1 3 ▇▁▁▆▁▁▁▇
alp19_2 724 8589 1.4 0.63 1 3 ▇▁▁▃▁▁▁▁
alp19_3 595 8589 1.24 0.53 1 3 ▇▁▁▂▁▁▁▁
alp19_4 1137 8589 1.49 0.7 1 3 ▇▁▁▃▁▁▁▂
alp19_5 927 8589 1.56 0.73 1 3 ▇▁▁▃▁▁▁▂
alp19_6 840 8589 1.4 0.66 1 3 ▇▁▁▂▁▁▁▁
alp19_7 1133 8589 1.41 0.67 1 3 ▇▁▁▂▁▁▁▁
alp19_8 1155 8589 1.37 0.67 1 3 ▇▁▁▂▁▁▁▁
alp19_9 767 8589 1.31 0.63 1 3 ▇▁▁▂▁▁▁▁
alp2 156 8589 3.73 3.31 1 9 ▇▁▂▁▁▁▁▃
alp20_1 207 8589 3.06 0.75 1 4 ▁▁▁▁▁▇▁▃
alp20_2 211 8589 3.28 0.73 1 4 ▁▁▁▁▁▇▁▆
alp20_3 289 8589 3.13 0.74 1 4 ▁▁▂▁▁▇▁▅
alp20_4 356 8589 3.16 0.74 1 4 ▁▁▂▁▁▇▁▅
alp20_5 415 8589 3.09 0.8 1 4 ▁▁▂▁▁▇▁▅
alp21_1 275 8589 1.71 0.81 1 3 ▇▁▁▅▁▁▁▃
alp21_2 337 8589 2.47 0.69 1 3 ▂▁▁▅▁▁▁▇
alp21_3 422 8589 1.59 0.76 1 3 ▇▁▁▃▁▁▁▂
alp21_4 443 8589 1.5 0.74 1 3 ▇▁▁▂▁▁▁▂
alp21_5 552 8589 1.68 0.81 1 3 ▇▁▁▃▁▁▁▃
alp21_6 819 8589 1.67 0.77 1 3 ▇▁▁▅▁▁▁▃
alp21_7 694 8589 2.12 0.84 1 3 ▆▁▁▆▁▁▁▇
alp22_1 206 8589 2.85 1.03 1 4 ▃▁▅▁▁▇▁▇
alp22_2 234 8589 2.56 1.03 1 4 ▅▁▆▁▁▇▁▅
alp22_3 255 8589 2.27 1.09 1 4 ▇▁▇▁▁▆▁▅
alp22_4 283 8589 2.18 1.03 1 4 ▇▁▇▁▁▆▁▃
alp22_5 276 8589 2.11 1.05 1 4 ▇▁▆▁▁▅▁▃
alp23_1 237 8589 2.19 0.88 1 4 ▅▁▇▁▁▅▁▂
alp23_2 262 8589 2.28 0.94 1 4 ▅▁▇▁▁▆▁▂
alp23_3 278 8589 2.2 0.99 1 4 ▇▁▇▁▁▆▁▃
alp23_4 312 8589 2.44 1 1 4 ▅▁▇▁▁▇▁▃
alp23_5 350 8589 2.09 0.95 1 4 ▇▁▇▁▁▅▁▂
alp23_6 390 8589 2.2 1 1 4 ▇▁▇▁▁▆▁▃
alp23_7 352 8589 2.32 1.05 1 4 ▇▁▇▁▁▇▁▅
alp24_1 180 8589 2.34 1.01 1 4 ▆▁▆▁▁▇▁▃
alp24_2 220 8589 1.98 0.9 1 4 ▇▁▇▁▁▅▁▁
alp24_3 283 8589 2.18 1.02 1 4 ▇▁▇▁▁▆▁▃
alp24_4 325 8589 1.98 0.93 1 4 ▇▁▇▁▁▅▁▂
alp24_5 372 8589 1.9 0.89 1 4 ▇▁▇▁▁▃▁▁
alp24_6 529 8589 1.98 0.94 1 4 ▇▁▇▁▁▅▁▂
alp24_7 517 8589 2.35 1.05 1 4 ▇▁▆▁▁▇▁▃
alp24_8 494 8589 1.9 0.99 1 4 ▇▁▅▁▁▃▁▂
alp24_9 437 8589 1.75 0.94 1 4 ▇▁▅▁▁▂▁▁
alp25_1 178 8589 2.81 1.05 1 4 ▃▁▃▁▁▇▁▆
alp25_10 372 8589 2.91 1.02 1 4 ▃▁▃▁▁▇▁▇
alp25_11 362 8589 2.47 1.12 1 4 ▇▁▆▁▁▇▁▆
alp25_2 223 8589 2.94 1.04 1 4 ▃▁▃▁▁▇▁▇
alp25_3 296 8589 2.93 1.06 1 4 ▃▁▃▁▁▇▁▇
alp25_4 316 8589 2.06 0.93 1 4 ▇▁▇▁▁▅▁▂
alp25_5 400 8589 1.76 0.87 1 4 ▇▁▆▁▁▂▁▁
alp25_6 522 8589 1.79 0.88 1 4 ▇▁▆▁▁▂▁▁
alp25_7 453 8589 1.69 0.86 1 4 ▇▁▅▁▁▂▁▁
alp25_8 612 8589 1.88 0.93 1 4 ▇▁▆▁▁▃▁▁
alp25_9 423 8589 2.63 1.05 1 4 ▅▁▅▁▁▇▁▅
alp26_1 205 8589 1.95 1.03 1 4 ▇▁▅▁▁▃▁▂
alp26_2 253 8589 2.74 1.12 1 4 ▅▁▅▁▁▆▁▇
alp26_3 284 8589 1.74 0.92 1 4 ▇▁▃▁▁▂▁▁
alp26_4 298 8589 1.72 0.96 1 4 ▇▁▃▁▁▂▁▁
alp26_5 299 8589 2.33 1.07 1 4 ▇▁▇▁▁▇▁▅
alp26_6 362 8589 2 1.01 1 4 ▇▁▆▁▁▅▁▂
alp26_7 389 8589 2 1.08 1 4 ▇▁▅▁▁▃▁▂
alp26_8 337 8589 1.53 0.89 1 4 ▇▁▂▁▁▁▁▁
alp26_9 327 8589 1.51 0.89 1 4 ▇▁▂▁▁▁▁▁
alp27_1 241 8589 1.89 0.79 1 4 ▆▁▇▁▁▂▁▁
alp27_10 458 8589 2.35 0.94 1 4 ▅▁▇▁▁▇▁▃
alp27_11 441 8589 2.51 0.95 1 4 ▃▁▇▁▁▇▁▃
alp27_12 453 8589 2.38 0.96 1 4 ▅▁▇▁▁▇▁▃
alp27_13 370 8589 2.39 1 1 4 ▅▁▇▁▁▆▁▃
alp27_2 278 8589 2.09 0.9 1 4 ▆▁▇▁▁▅▁▂
alp27_3 311 8589 1.99 0.89 1 4 ▇▁▇▁▁▃▁▁
alp27_4 376 8589 1.8 0.79 1 4 ▇▁▇▁▁▂▁▁
alp27_5 420 8589 2.31 0.93 1 4 ▅▁▇▁▁▆▁▂
alp27_6 495 8589 2.03 0.89 1 4 ▆▁▇▁▁▃▁▂
alp27_7 433 8589 2.66 1.02 1 4 ▃▁▇▁▁▇▁▆
alp27_8 646 8589 2.86 1.01 1 4 ▃▁▅▁▁▇▁▇
alp27_9 627 8589 1.99 0.85 1 4 ▆▁▇▁▁▃▁▁
alp28_1 358 8589 2.72 0.93 1 4 ▂▁▃▁▁▇▁▃
alp28_2 431 8589 2.22 0.89 1 4 ▆▁▇▁▁▇▁▂
alp28_3 484 8589 3.04 0.94 1 4 ▂▁▂▁▁▇▁▇
alp28_4 514 8589 2.26 0.95 1 4 ▆▁▇▁▁▇▁▂
alp28_5 558 8589 2.74 0.9 1 4 ▂▁▃▁▁▇▁▃
alp28_6 557 8589 1.93 0.92 1 4 ▇▁▆▁▁▅▁▁
alp28_7 605 8589 2.12 0.93 1 4 ▇▁▇▁▁▆▁▂
alp29_1 475 8589 3.3 0.82 1 4 ▁▁▁▁▁▆▁▇
alp29_2 606 8589 3.37 0.75 1 4 ▁▁▁▁▁▆▁▇
alp29_3 771 8589 3.28 0.79 1 4 ▁▁▂▁▁▇▁▇
alp29_4 871 8589 3.32 0.82 1 4 ▁▁▂▁▁▆▁▇
alp29_5 647 8589 2.85 0.97 1 4 ▂▁▆▁▁▇▁▇
alp3 109 8589 2.22 1.12 1 5 ▇▇▁▆▁▂▁▁
alp30_1 238 8589 2.45 0.93 1 4 ▃▁▆▁▁▇▁▂
alp30_2 290 8589 2.78 0.91 1 4 ▂▁▃▁▁▇▁▃
alp30_3 314 8589 2.21 0.97 1 4 ▇▁▇▁▁▆▁▂
alp30_4 328 8589 2.86 0.93 1 4 ▂▁▂▁▁▇▁▅
alp30_5 390 8589 2.7 1 1 4 ▃▁▅▁▁▇▁▅
alp31_1 339 8589 1.93 0.26 1 2 ▁▁▁▁▁▁▁▇
alp31_2 418 8589 1.91 0.28 1 2 ▁▁▁▁▁▁▁▇
alp31_3 338 8589 1.92 0.28 1 2 ▁▁▁▁▁▁▁▇
alp31_4 367 8589 1.88 0.32 1 2 ▁▁▁▁▁▁▁▇
alp31_5 405 8589 1.94 0.24 1 2 ▁▁▁▁▁▁▁▇
alp31_6 468 8589 1.94 0.24 1 2 ▁▁▁▁▁▁▁▇
alp31_7 490 8589 1.87 0.33 1 2 ▁▁▁▁▁▁▁▇
alp31_8 547 8589 1.93 0.25 1 2 ▁▁▁▁▁▁▁▇
alp31_9 529 8589 1.92 0.28 1 2 ▁▁▁▁▁▁▁▇
alp32_1 317 8589 2.63 0.87 1 4 ▂▁▅▁▁▇▁▂
alp32_10 638 8589 2.99 1 1 4 ▂▁▅▁▁▆▁▇
alp32_11 664 8589 2.85 1 1 4 ▃▁▆▁▁▇▁▇
alp32_2 385 8589 2.26 0.83 1 4 ▃▁▇▁▁▆▁▁
alp32_3 452 8589 3.33 0.89 1 4 ▁▁▂▁▁▅▁▇
alp32_4 469 8589 2.38 0.88 1 4 ▃▁▇▁▁▆▁▂
alp32_5 491 8589 2.72 0.96 1 4 ▃▁▆▁▁▇▁▅
alp32_6 603 8589 2.73 0.96 1 4 ▂▁▆▁▁▇▁▆
alp32_7 579 8589 2.4 0.9 1 4 ▃▁▇▁▁▆▁▂
alp32_8 610 8589 2.77 1 1 4 ▃▁▇▁▁▇▁▇
alp32_9 594 8589 2.28 0.94 1 4 ▅▁▇▁▁▆▁▂
alp33_1 488 8589 3.27 0.84 1 4 ▁▁▁▁▁▇▁▇
alp33_2 567 8589 3.32 0.78 1 4 ▁▁▁▁▁▇▁▇
alp33_3 726 8589 3.32 0.8 1 4 ▁▁▁▁▁▆▁▇
alp33_4 880 8589 3.12 0.84 1 4 ▁▁▂▁▁▇▁▆
alp33_5 731 8589 3.33 0.79 1 4 ▁▁▁▁▁▇▁▇
alp34_1 352 8589 3.08 0.97 1 4 ▂▁▂▁▁▇▁▇
alp34_2 336 8589 3.37 0.84 1 4 ▁▁▁▁▁▅▁▇
alp34_3 354 8589 3.34 0.87 1 4 ▁▁▁▁▁▅▁▇
alp34_4 450 8589 3.31 0.88 1 4 ▁▁▁▁▁▅▁▇
alp35_1 395 8589 3.13 0.8 1 4 ▁▁▂▁▁▇▁▆
alp35_2 384 8589 3.45 0.73 1 4 ▁▁▁▁▁▅▁▇
alp35_3 428 8589 3.32 0.78 1 4 ▁▁▁▁▁▆▁▇
alp35_4 494 8589 3.27 0.78 1 4 ▁▁▂▁▁▇▁▇
alp35_5 627 8589 3.42 0.74 1 4 ▁▁▁▁▁▆▁▇
alp35_6 627 8589 2.83 0.94 1 4 ▂▁▅▁▁▇▁▅
alp36_1 301 8589 2.79 0.91 1 4 ▂▁▅▁▁▇▁▅
alp36_10 546 8589 3.06 0.87 1 4 ▁▁▂▁▁▇▁▆
alp36_11 536 8589 2.89 0.83 1 4 ▁▁▃▁▁▇▁▃
alp36_12 501 8589 3.19 0.81 1 4 ▁▁▂▁▁▇▁▇
alp36_13 583 8589 3.24 0.79 1 4 ▁▁▂▁▁▇▁▇
alp36_14 567 8589 3.25 0.79 1 4 ▁▁▂▁▁▇▁▇
alp36_15 640 8589 3.31 0.78 1 4 ▁▁▁▁▁▇▁▇
alp36_16 662 8589 3.26 0.79 1 4 ▁▁▂▁▁▇▁▇
alp36_17 612 8589 3.1 0.83 1 4 ▁▁▂▁▁▇▁▆
alp36_2 359 8589 2.13 0.82 1 4 ▃▁▇▁▁▃▁▁
alp36_3 374 8589 3.06 0.85 1 4 ▁▁▂▁▁▇▁▆
alp36_4 370 8589 2.79 0.89 1 4 ▂▁▃▁▁▇▁▃
alp36_5 426 8589 2.83 0.87 1 4 ▂▁▃▁▁▇▁▃
alp36_6 469 8589 2.31 0.86 1 4 ▃▁▇▁▁▅▁▂
alp36_7 506 8589 2.53 0.94 1 4 ▃▁▇▁▁▇▁▃
alp36_8 474 8589 2.91 0.87 1 4 ▂▁▃▁▁▇▁▅
alp36_9 642 8589 3.01 0.87 1 4 ▁▁▂▁▁▇▁▅
alp37_1 426 8589 3.44 0.76 1 4 ▁▁▁▁▁▅▁▇
alp37_2 513 8589 3.49 0.71 1 4 ▁▁▁▁▁▅▁▇
alp37_3 538 8589 1.88 1.02 1 4 ▇▁▃▁▁▃▁▂
alp37_4 468 8589 2.17 1.09 1 4 ▇▁▅▁▁▆▁▃
alp37_5 532 8589 3.52 0.72 1 4 ▁▁▁▁▁▃▁▇
alp37_6 613 8589 1.98 1.03 1 4 ▇▁▅▁▁▃▁▂
alp37_7 572 8589 2.1 1.06 1 4 ▇▁▅▁▁▅▁▂
alp38_1 471 8589 2.78 0.89 1 4 ▂▁▅▁▁▇▁▅
alp38_2 604 8589 2.7 0.86 1 4 ▂▁▆▁▁▇▁▃
alp38_3 759 8589 2.6 0.87 1 4 ▂▁▆▁▁▇▁▃
alp38_4 804 8589 2.72 0.85 1 4 ▂▁▅▁▁▇▁▃
alp38_5 825 8589 2.93 0.84 1 4 ▁▁▃▁▁▇▁▅
alp39_1 439 8589 2.18 0.97 1 4 ▇▁▇▁▁▆▁▂
alp39_2 505 8589 2.26 1.01 1 4 ▇▁▇▁▁▇▁▃
alp39_3 538 8589 2.08 1.01 1 4 ▇▁▆▁▁▅▁▂
alp39_4 551 8589 3.17 0.93 1 4 ▂▁▂▁▁▆▁▇
alp4_1 674 8589 2.74 0.89 1 4 ▂▁▇▁▁▇▁▅
alp4_2 948 8589 2.06 1.08 1 4 ▇▁▆▁▁▃▁▃
alp4_3 413 8589 3.59 0.78 1 4 ▁▁▁▁▁▂▁▇
alp40_1 500 8589 2.8 0.92 1 4 ▂▁▃▁▁▇▁▃
alp40_2 688 8589 2.75 0.88 1 4 ▂▁▃▁▁▇▁▃
alp40_3 635 8589 2.78 0.93 1 4 ▂▁▅▁▁▇▁▅
alp40_4 599 8589 2.07 1.03 1 4 ▇▁▆▁▁▅▁▂
alp5_1 96 8589 3.16 0.74 1 4 ▁▁▂▁▁▇▁▅
alp5_10 253 8589 1.98 1.03 1 4 ▇▁▅▁▁▃▁▂
alp5_2 117 8589 2.77 0.74 1 4 ▁▁▅▁▁▇▁▂
alp5_3 162 8589 3.18 0.71 1 4 ▁▁▂▁▁▇▁▅
alp5_4 206 8589 3.06 0.74 1 4 ▁▁▂▁▁▇▁▃
alp5_5 333 8589 3.15 0.72 1 4 ▁▁▂▁▁▇▁▅
alp5_6 344 8589 3.2 0.8 1 4 ▁▁▂▁▁▇▁▇
alp5_7 363 8589 2.56 0.85 1 4 ▂▁▆▁▁▇▁▂
alp5_8 289 8589 2.77 0.78 1 4 ▁▁▃▁▁▇▁▂
alp5_9 285 8589 3.02 0.73 1 4 ▁▁▂▁▁▇▁▃
alp6_1 380 8589 3.01 0.84 1 4 ▁▁▂▁▁▇▁▅
alp6_2 369 8589 3.67 0.61 1 4 ▁▁▁▁▁▃▁▇
alp8 77 8589 1.05 0.22 1 2 ▇▁▁▁▁▁▁▁
alp9 114 8589 2 0.64 1 3 ▃▁▁▇▁▁▁▃
codigocurso 0 8589 3432.98 2475.75 398 8951 ▇▆▆▂▃▂▃▂
idalumno 0 8589 5154.52 2934.52 1 10213 ▇▇▇▇▇▇▇▇
p7 94 8589 1.87 0.34 1 2 ▁▁▁▁▁▁▁▇
serie 0 8589 8114685.9 79746.82 8015795 8292287 ▇▆▅▃▃▂▃▂

BBDD Padres

  • Base de datos con las respuestas del cuestionario sobre CCAP para el ejercicio de la ciudadanía en estudiantes. Las categorías de 0 (vacío) y 99 (doble marca) se recodifican como missing. Se debe tener precaución con el mes y año de nacimiento del padre/madre pues presentan inconsistencia en los datos, además no hay una variable disponible que de cuenta de la edad del padre/madres.

Skim summary statistics
n obs: 6770
n variables: 141

variable missing n mean sd p0 p100 hist
codigocurso 0 6770 3431.69 2467.27 398 8951 ▇▆▆▂▃▁▃▂
idalumno 0 6770 5165.78 2911.15 1 10213 ▆▇▇▇▇▇▇▇
pap1_1 221 6770 46.28 194.53 1 999 ▇▁▁▁▁▁▁▁
pap1_2 211 6770 2078.06 3636.02 1 99999 ▇▁▁▁▁▁▁▁
pap10_1 639 6770 2.37 0.83 1 4 ▂▁▇▁▁▃▁▂
pap10_2 1585 6770 1.6 0.83 1 4 ▇▁▃▁▁▁▁▁
pap10_3 314 6770 3.18 0.95 1 4 ▁▁▃▁▁▅▁▇
pap11 102 6770 2.11 1.06 1 5 ▇▇▁▆▁▁▁▁
pap12 125 6770 1.45 0.5 1 2 ▇▁▁▁▁▁▁▆
pap13_1 356 6770 1.26 0.57 1 3 ▇▁▁▁▁▁▁▁
pap13_10 425 6770 1.03 0.21 1 3 ▇▁▁▁▁▁▁▁
pap13_2 422 6770 1.15 0.45 1 3 ▇▁▁▁▁▁▁▁
pap13_3 418 6770 1.08 0.34 1 3 ▇▁▁▁▁▁▁▁
pap13_4 441 6770 1.09 0.35 1 3 ▇▁▁▁▁▁▁▁
pap13_5 420 6770 1.08 0.33 1 3 ▇▁▁▁▁▁▁▁
pap13_6 414 6770 1.06 0.29 1 3 ▇▁▁▁▁▁▁▁
pap13_7 410 6770 1.21 0.55 1 3 ▇▁▁▁▁▁▁▁
pap13_8 411 6770 1.13 0.45 1 3 ▇▁▁▁▁▁▁▁
pap13_9 422 6770 1.02 0.15 1 3 ▇▁▁▁▁▁▁▁
pap14_1 405 6770 1.56 0.73 1 3 ▇▁▁▃▁▁▁▂
pap14_2 429 6770 1.54 0.74 1 3 ▇▁▁▃▁▁▁▂
pap14_3 564 6770 1.11 0.38 1 3 ▇▁▁▁▁▁▁▁
pap14_4 514 6770 1.16 0.48 1 3 ▇▁▁▁▁▁▁▁
pap14_5 491 6770 1.26 0.58 1 3 ▇▁▁▁▁▁▁▁
pap14_6 542 6770 1.13 0.42 1 3 ▇▁▁▁▁▁▁▁
pap14_7 516 6770 1.18 0.47 1 3 ▇▁▁▁▁▁▁▁
pap14_8 500 6770 1.12 0.41 1 3 ▇▁▁▁▁▁▁▁
pap15_1 367 6770 1.11 0.41 1 3 ▇▁▁▁▁▁▁▁
pap15_2 428 6770 1.08 0.32 1 3 ▇▁▁▁▁▁▁▁
pap15_3 449 6770 1.05 0.27 1 3 ▇▁▁▁▁▁▁▁
pap15_4 413 6770 1.32 0.61 1 3 ▇▁▁▂▁▁▁▁
pap15_5 439 6770 1.3 0.61 1 3 ▇▁▁▂▁▁▁▁
pap15_6 486 6770 1.16 0.47 1 3 ▇▁▁▁▁▁▁▁
pap15_7 458 6770 1.13 0.42 1 3 ▇▁▁▁▁▁▁▁
pap15_8 441 6770 1.34 0.65 1 3 ▇▁▁▂▁▁▁▁
pap16_1 208 6770 3.6 0.76 1 4 ▁▁▁▁▁▂▁▇
pap16_2 309 6770 2.96 1.1 1 4 ▃▁▃▁▁▅▁▇
pap16_3 419 6770 2.19 1.05 1 4 ▇▁▇▁▁▆▁▃
pap16_4 402 6770 2.67 1.22 1 4 ▆▁▃▁▁▅▁▇
pap16_5 318 6770 3.03 1.2 1 4 ▃▁▂▁▁▂▁▇
pap17 165 6770 2.26 0.96 1 4 ▅▁▃▁▁▇▁▁
pap18_1 291 6770 2.99 0.98 1 4 ▂▁▃▁▁▇▁▇
pap18_10 362 6770 2.93 0.93 1 4 ▂▁▂▁▁▇▁▅
pap18_11 410 6770 3.14 0.86 1 4 ▁▁▂▁▁▇▁▇
pap18_12 367 6770 3.34 0.76 1 4 ▁▁▁▁▁▇▁▇
pap18_13 341 6770 3.62 0.66 1 4 ▁▁▁▁▁▃▁▇
pap18_14 324 6770 3.53 0.68 1 4 ▁▁▁▁▁▅▁▇
pap18_15 314 6770 3.53 0.68 1 4 ▁▁▁▁▁▅▁▇
pap18_16 307 6770 3.46 0.68 1 4 ▁▁▁▁▁▆▁▇
pap18_17 366 6770 2.9 0.86 1 4 ▁▁▃▁▁▇▁▅
pap18_2 380 6770 1.52 0.65 1 4 ▇▁▆▁▁▁▁▁
pap18_3 320 6770 3.32 0.78 1 4 ▁▁▁▁▁▇▁▇
pap18_4 337 6770 2.64 0.95 1 4 ▃▁▅▁▁▇▁▃
pap18_5 343 6770 3.05 0.84 1 4 ▁▁▂▁▁▇▁▅
pap18_6 355 6770 1.65 0.74 1 4 ▇▁▆▁▁▂▁▁
pap18_7 394 6770 2.02 0.98 1 4 ▇▁▅▁▁▆▁▂
pap18_8 341 6770 2.83 0.93 1 4 ▂▁▂▁▁▇▁▃
pap18_9 374 6770 2.6 0.97 1 4 ▃▁▃▁▁▇▁▃
pap19_1 563 6770 2.86 0.92 1 4 ▂▁▂▁▁▇▁▅
pap19_2 683 6770 1.86 0.85 1 4 ▇▁▇▁▁▃▁▁
pap19_3 582 6770 3.32 0.81 1 4 ▁▁▁▁▁▇▁▇
pap19_4 713 6770 2.02 0.86 1 4 ▆▁▇▁▁▅▁▁
pap19_5 698 6770 2.75 0.88 1 4 ▂▁▃▁▁▇▁▃
pap19_6 652 6770 1.55 0.72 1 4 ▇▁▅▁▁▁▁▁
pap19_7 701 6770 1.9 0.94 1 4 ▇▁▆▁▁▃▁▂
pap2 159 6770 1.83 0.37 1 2 ▂▁▁▁▁▁▁▇
pap20_1 402 6770 3.22 0.7 1 4 ▁▁▁▁▁▇▁▅
pap20_2 403 6770 3.15 0.72 1 4 ▁▁▁▁▁▇▁▅
pap20_3 384 6770 3.48 0.68 1 4 ▁▁▁▁▁▆▁▇
pap20_4 448 6770 3.17 0.67 1 4 ▁▁▂▁▁▇▁▅
pap20_5 413 6770 3.13 0.7 1 4 ▁▁▂▁▁▇▁▅
pap21_1 374 6770 1.7 0.7 1 4 ▇▁▇▁▁▂▁▁
pap21_10 359 6770 2.65 0.85 1 4 ▂▁▇▁▁▇▁▃
pap21_11 343 6770 2.42 0.83 1 4 ▂▁▇▁▁▆▁▂
pap21_12 384 6770 2.46 0.81 1 4 ▂▁▇▁▁▇▁▂
pap21_13 382 6770 2.18 0.87 1 4 ▃▁▇▁▁▃▁▂
pap21_2 344 6770 1.76 0.76 1 4 ▇▁▇▁▁▂▁▁
pap21_3 365 6770 1.86 0.76 1 4 ▆▁▇▁▁▂▁▁
pap21_4 392 6770 1.32 0.55 1 4 ▇▁▃▁▁▁▁▁
pap21_5 375 6770 2.09 0.78 1 4 ▃▁▇▁▁▃▁▁
pap21_6 429 6770 1.84 0.75 1 4 ▆▁▇▁▁▂▁▁
pap21_7 330 6770 2.59 0.88 1 4 ▂▁▇▁▁▇▁▃
pap21_8 395 6770 2.48 0.93 1 4 ▃▁▇▁▁▇▁▃
pap21_9 409 6770 2.02 0.85 1 4 ▅▁▇▁▁▃▁▁
pap22_1 481 6770 2.88 0.77 1 4 ▁▁▂▁▁▇▁▂
pap22_2 425 6770 3.37 0.7 1 4 ▁▁▁▁▁▇▁▇
pap22_3 472 6770 3.06 0.84 1 4 ▁▁▂▁▁▇▁▅
pap22_4 733 6770 2.96 0.77 1 4 ▁▁▂▁▁▇▁▃
pap22_5 508 6770 3.09 0.82 1 4 ▁▁▂▁▁▇▁▆
pap22_6 481 6770 2.79 0.94 1 4 ▂▁▅▁▁▇▁▅
pap23_1 473 6770 3.51 0.64 1 4 ▁▁▁▁▁▆▁▇
pap23_2 509 6770 3.51 0.63 1 4 ▁▁▁▁▁▆▁▇
pap23_3 539 6770 3.58 0.6 1 4 ▁▁▁▁▁▅▁▇
pap23_4 603 6770 3.18 0.81 1 4 ▁▁▂▁▁▇▁▇
pap23_5 555 6770 3.45 0.65 1 4 ▁▁▁▁▁▆▁▇
pap24_1 419 6770 3.64 0.61 1 4 ▁▁▁▁▁▃▁▇
pap24_2 407 6770 3.66 0.6 1 4 ▁▁▁▁▁▃▁▇
pap24_3 463 6770 1.5 0.73 1 4 ▇▁▅▁▁▁▁▁
pap24_4 462 6770 1.78 0.96 1 4 ▇▁▅▁▁▂▁▁
pap24_5 432 6770 3.7 0.64 1 4 ▁▁▁▁▁▂▁▇
pap24_6 455 6770 1.56 0.79 1 4 ▇▁▃▁▁▁▁▁
pap24_7 469 6770 1.99 1.05 1 4 ▇▁▅▁▁▃▁▂
pap25_1 615 6770 2.06 0.9 1 4 ▆▁▇▁▁▃▁▂
pap25_2 660 6770 2.04 0.82 1 4 ▅▁▇▁▁▃▁▁
pap25_3 689 6770 1.96 0.77 1 4 ▅▁▇▁▁▃▁▁
pap25_4 680 6770 2.1 0.84 1 4 ▅▁▇▁▁▅▁▁
pap25_5 701 6770 3.12 1.05 1 4 ▂▁▂▁▁▅▁▇
pap26_1 1026 6770 1.76 0.91 1 4 ▇▁▅▁▁▂▁▁
pap26_2 866 6770 1.69 0.87 1 4 ▇▁▅▁▁▂▁▁
pap26_3 866 6770 1.51 0.75 1 4 ▇▁▃▁▁▁▁▁
pap26_4 931 6770 3.4 0.92 1 4 ▁▁▁▁▁▃▁▇
pap27_1 584 6770 1.96 0.2 1 2 ▁▁▁▁▁▁▁▇
pap27_2 598 6770 1.91 0.28 1 2 ▁▁▁▁▁▁▁▇
pap27_3 588 6770 1.96 0.19 1 2 ▁▁▁▁▁▁▁▇
pap27_4 632 6770 1.87 0.33 1 2 ▁▁▁▁▁▁▁▇
pap27_5 600 6770 1.97 0.17 1 2 ▁▁▁▁▁▁▁▇
pap27_6 606 6770 1.98 0.14 1 2 ▁▁▁▁▁▁▁▇
pap27_7 655 6770 1.87 0.33 1 2 ▁▁▁▁▁▁▁▇
pap27_8 611 6770 1.94 0.23 1 2 ▁▁▁▁▁▁▁▇
pap27_9 599 6770 1.97 0.17 1 2 ▁▁▁▁▁▁▁▇
pap28_1 620 6770 3.16 0.82 1 4 ▁▁▂▁▁▇▁▆
pap28_2 765 6770 2.15 0.9 1 4 ▅▁▇▁▁▆▁▂
pap28_3 627 6770 2.55 0.97 1 4 ▃▁▇▁▁▇▁▅
pap28_4 647 6770 1.59 0.73 1 4 ▇▁▆▁▁▁▁▁
pap3 178 6770 2.22 1.54 1 7 ▇▂▃▁▁▁▁▁
pap4 146 6770 1.96 1.53 1 9 ▇▂▁▁▁▁▁▁
pap5 172 6770 1.02 0.14 1 2 ▇▁▁▁▁▁▁▁
pap6 762 6770 1 0 1 1 ▁▁▁▇▁▁▁▁
pap7 1771 6770 1 0 1 1 ▁▁▁▇▁▁▁▁
pap8_1 6675 6770 1.53 0.5 1 2 ▇▁▁▁▁▁▁▇
pap8_10 6464 6770 1.48 0.5 1 2 ▇▁▁▁▁▁▁▇
pap8_2 6016 6770 1.39 0.49 1 2 ▇▁▁▁▁▁▁▅
pap8_3 5756 6770 1.47 0.5 1 2 ▇▁▁▁▁▁▁▇
pap8_4 5620 6770 1.42 0.49 1 2 ▇▁▁▁▁▁▁▆
pap8_5 4631 6770 1.37 0.48 1 2 ▇▁▁▁▁▁▁▅
pap8_6 6276 6770 1.41 0.49 1 2 ▇▁▁▁▁▁▁▆
pap8_7 5560 6770 1.38 0.49 1 2 ▇▁▁▁▁▁▁▅
pap8_8 6366 6770 1.44 0.5 1 2 ▇▁▁▁▁▁▁▆
pap8_9 5922 6770 1.42 0.49 1 2 ▇▁▁▁▁▁▁▆
pap9 269 6770 1.28 0.45 1 2 ▇▁▁▁▁▁▁▃
serie 0 6770 8114666.37 79433.83 8015795 8292287 ▇▆▅▂▃▁▃▂

Análisis de no respuesta

Dadas las diferencias observadas en el merge entre las tres bases de datos se procede a realizar un análisis que tiene por objetivo dimensionar la no respuesta a los cuestionarios completos y a la prueba de conocimiento. Dada la codificación presentada en el apartado anterior se debe tener claro la existencia de missing (valores 0 y 99) para variables en particular, lo cual será revisado en detalle para las variables de interés del estudio. A continuación se presenta el análisis general de la no respuesta.

Bases de datos independientes

[1] 1841
[1] 6215
[1] 6768
  • La no respuesta para la base bbdd_puntajes corresponde a 1841 observaciones, para las cuales no hay información en los resultados de la prueba de conocimiento.

  • Para la base de datos bbdd_alumnos no se observa una falta de respuesta completa a los cuestionarios, sin embargo, todas las variables de este estudio presentan niveles de no respuesta a considerar. Dicho esto, se debe tener en cuenta que esta base de datos solo cuenta con una muestra de 8589 observaciones para los análisis.

  • Para el cuestionario de padres bbdd_padres se observa que una importante conjunto de casos perdidos estan en la pregunta referida al nivel educacional alcanzado por el respondente y su cónyuge/pareja (BBDD Padres). Se especula que esto se produce a raíz de la codificación de la pregunta, en que las personas indican solo una opción de nivel educacional aunque no hay información respectiva que ayude a identificar cada pregunta. Revisar con detalle esta pregunta pues es relevante su utilización.

Merge de las bases de datos

Skim summary statistics
n obs:
n variables:

Table continues below
variable missing n n_unique
as.factor(bbdd_missing1$resp_al) 1624 10213 2
top_counts ordered
1: 8344, NA: 1624, 0: 245 FALSE
[1] 28

Skim summary statistics
n obs:
n variables:

Table continues below
variable missing n n_unique
as.factor(bbdd_missing2$resp_pap) 2002 8772 2
top_counts ordered
1: 6342, NA: 2002, 0: 428 FALSE

Al realizar el merge respectivo entre las bases bbdd_puntajes y bbdd_alumnos se observa la pérdida de información de 1624 observaciones para los/as cuales no tenemos datos sobre la prueba de conocimiento ni de los cuestionarios, esto se genera por defecto a la hora de unir las bases. A su vez, se observa 245 casos que aparecen con información solo en el cuestionario para estudiantes, pero no tienen un puntaje en la prueba de conocimiento, está perdida es relevante, pues considera las variables de análisis. Por último, se estima 28 observaciones adicionales que solo tienen información en la prueba de conocimiento. En definitiva, se pierden 1869 observaciones de las cuales 1841 corresponden por no tener información en la base de datos de puntaje y 28 por no tener información en los cuestionarios.

El merge de ambas bases de datos nos deja un saldo de 8344 casos en los que efectivamente hay información de datos con los puntajes obtenidos en la prueba de conocimiento y el cuestionario respectivo (se mantienen una base de datos solo con estos casos).

Mismo ejercicio para incorporar la base de datos bbdd_padres. Aquí observamos la pérdida de 2002 casos en las que no hay información disponible para el cuestionario de padres. Nuevamente, esta información perdida se da por defecto al unir ambas bases de datos. A su vez, hay otros 428 casos para los cuales si tenemos información en el cuestionario de padres, pero no para el cuestionario de alumnos ni resultados en la prueba de conocimiento. En definitiva, la unión de las tres bases nos dejan un resultado de 6342 observaciones con información disponible en los tres insumos, lo que será la base de trabajo. Por el momento solo se etiquetan las variables utilizadas en la sección de Variables Espejo: vínculo entre padres e hijos

Finalmente, en un intento por dimensionar la no respuesta se realizan regresiones binomiales sobre no responder/responder el cuestionario con variables sociodemográficas disponibles. Lamentablemente, esto se realiza con la información disponible por lo que no hay como identificar otros antecedentes cuando no hay datos para ninguna de las bases tal como se detallo previamente. Los resultados muestran que el aumento de libros en el hogar aumenta las chances de responder el cuestionario en 1.39 veces más controlando por el sexo de los estudiantes y religión. Por otra parte, ser hombre disminuye las chances de responder el cuestionario en 0.75 veces respecto de ser mujer controlando por las otras variables. Esto podría caracterizar la no respuesta, aunque no hay suficiente información disponible para realizar un ejercicio más completo.

En la siguiente sección revisaremos las variables disponibles para proceder a su análisis descriptivo. Para este ejercicio se utilizara una base de datos consolidada con información para las tres bases de datos. En ese sentido, se asume el costo de representatividad de la muestra dada la pérdida de casos.

No respuesta cuestionario alumnos
Dependent variable:
as.factor(resp_al)
Modelo Alumnos
Sexo estudiante -0.289**
(0.137)
Religión -0.020
(0.020)
Libros en el hogar 0.327***
(0.069)
Constant 3.141***
(0.182)
Observations 8,389
Log Likelihood -1,038.569
Akaike Inf. Crit. 2,085.139
Note: p<0.1; p<0.05; p<0.01

[1] 1.386801

[1] 0.7490122


Variables Disponibles

La siguiente sección tiene por objetivo presentar las variables analizadas por el estudio de la Agencia de la Calidad de la Educación. Dado de que no se dispone de los cuestionarios ni un libro de códigos directos, se procede a presentar las preguntas y variables con la información disponible. Finalmente se expone las principales variables que puedan ser relevantes para el proyecto de investigación.

Preguntas de los cuestionarios

A continuación se presentan un desgloce de todas las preguntas de los cuestionarios enfocado a identificar si se encuentra disponible en la base de datos para alumnos y padres, categorizarla según temática de estudio, descripción de la pregunta y principales atributos. Dada ciertas inconsistencias observadas en la base de datos se detallan observaciones para ciertas variables problemáticas.


Temáticas del estudio

A continuación se presentan todas las temáticas presentes en los cuestionarios de alumnos y sus padres. Es importante mencionar que el identificador nos permite observar si es que dicha temática se encuentra disponible en ambas bases de datos o solo en una.


Temás relevantes para el proyecto

A partir de las variables con información disponible en ambos cuestionarios: estudiantes y padres se considerarn como relevantes los siguientes temas de investigación para el proyecto: interés político, percepción sobre la democracia. participación política, participación en organizaciones, atributos de un buen ciudadano, confianza en las instituciones y percepciones sobre paz y violencia. La tabla a continuación detalla las preguntas específicas y sus atributos referidos a estos temas.

Otras temáticas interesantes de observar y que no están consideradas en este listado y análisis son las siguientes: actitudes hacia inmigrantes y grupos étnicos, actitudes hacia la equidad de género, percepciones sobre la igualdad de oportunidades y preferencias por desigualdad.

En términos de variables sociodemográficas se consideran variables relevantes para los estudiantes y sus padres. Finalmente, en temas de clima escolar se observan 10 indicadores diversos. A su vez, se evidencian inconsistencias en las siguientes variables:

  • Fecha de Nacimiento (mes) padres: variable presenta varios valores atípicos dentro de la muestra final (239 casos con valor 999).
  • Fecha de Nacimiento (año) padres: variable presenta varios valores atípicos dentro de la muestra final (146 casos con años de nacimiento inferiores a 1900 y 125 casos con años de nacimiento superiores a los 1995).
  • Edad padres: variable no disponible en la base de datos con el cuestionario para padres.
  • Trabajo principal de los padres: Variable codificada con 0 y 1, no hay más información.
  • Nivel educacional de los padres: Variable con dos valores que identifica si el respondente o el cónyuge tiene un nivel educativo específico. Son 10 niveles educacionales (revisar una potencial recodificación).

Variables sociodemograficas de la muestra

A continuación se presenta un análisis descriptivo de la muestra de estudiantes y sus padres en función a las variables disponibles del estudio.

Estudiantes

  • Género: Distribución de la muestra de estudiantes por género.
  • Libros en el hogar: variable categórica que identifica la cantidad de libros en el hogar según el estudiante. Veremos en la sección de Padre/Madre también hay un indicador de esta dimensión.


Padre/Madre

  • Género: Se recodifica la variable con valores 0 para hombre (pap2==1) y 1 mujer (pap2==2). De esta manera, se asume que el respondente es el padre o madre del estudiante.
  • Año de nacimiento del padre/madre (proxy edad): Dado que la variable edad del padre/madre no está disponible se procede a utilizar el año de nacimiento como una aproximación de esta dimensión. A partir de inconsistencias observadas en los datos, se procede a dejar como missing 146 observaciones con años de nacimiento inferiores a 1900 y 125 casos con años de nacimiento superiores a los 1995. En esta secuencia se generan tres variables: edad, edad del padre y edad de la madre. Si es que se utiliza esta variable en el análisis se recomienda excluir atípicos sobre los 75 años (50 observaciones).

Skim summary statistics
n obs:
n variables:

variable missing n mean sd p0 p100 hist
edad$edad 519 6342 44.79 9.27 24 119 ▂▇▅▁▁▁▁▁

  • Educación del padre/madre: esta variable se construyó a partir de la información disponible en 10 variables que identifican los niveles educacionales. En otras palabras, cada una de estas variables corresponde a un nivel educacional con código 1 si es que corresponde al nivel educacional del respondente y código 2 si corresponde al nivel educacional del cónyuge.

A partir de esta información se construye una nueva variable que identifica el nivel educativo del respondente y el cónyuge, en función al número de columna que tiene valor 1 y 2. Posterior a eso, se procede a identificar si corresponde al nivel educativo del padre o la madre cruzando con la variable género (se asume por defecto que el respondente es el padre/madre del alumno). Las categorías duplicadas, vale decir más de una columna con valor 1 o 2,fueron consideradas como casos pérdidos dentro de la muestra.

Finalmente, se asume esta variable como continua de 10 niveles producto de la falta de información disponible para imputar una etiqueta. En el SIMCE, por ejemplo, se utiliza una variable de 21 categorías, lo cual no permite realizar una imputación fundamentada de categorías educacionales.

#Base de datos de prueba 
#ed <- subset(bbdd, select = c(242:251))
#Parte 1 codificación del nivel educativo del repondente (1) y su cónyuge/pareja (2).
#Nivel educacional del respondente (1)
#Identificamos el nivel educativo (columna con valor 1)
num1 <- apply(bbdd[242:251], 1, function(row) which(row == 1))
bbdd$educ1 <- sapply(num1, function(x){as.numeric(x[1])})
#Observamos que hay columnas duplicadas (valor 1 para dos columnas distintas)
num1_rep <- apply(bbdd[242:251], 1, function(row) which(row == 1))
bbdd$educ1_rep <- sapply(num1_rep, function(x){as.numeric(x[2])})
#Eliminamos estos duplicados
bbdd$educ1[bbdd$educ1_rep!=is.na(bbdd$educ1_rep)] <- NA

#Nivel educacional del cónyuge/pareja (2)
#Identificamos el nivel educativo (columna con valor 2)
num2 <- apply(bbdd[242:251], 1, function(row) which(row == 2))
bbdd$educ2 <- sapply(num2, function(x){as.numeric(x[1])})
#Observamos que hay columnas duplicadas (valor 2 para dos columnas distintas)
num2_rep <- apply(bbdd[242:251], 1, function(row) which(row == 2))
bbdd$educ2_rep <- sapply(num2_rep, function(x){as.numeric(x[2])})
#Eliminamos estos duplicados
bbdd$educ2[bbdd$educ2_rep!=is.na(bbdd$educ2_rep)] <- NA

#Removemos variables y objetos auxiliares
rm(num1, num1_rep, num2, num2_rep)
bbdd$educ1_rep <- NULL
bbdd$educ2_rep <- NULL

#En función al género del respondente generamos las variables que identifican el nivel educacional alcanzado por el padre y la madre: 

#Educación del padre
bbdd$educpadre <-ifelse(bbdd$genero==0, bbdd$educ1, NA)
bbdd$educpadre <-ifelse(is.na(bbdd$educpadre), bbdd$educ2, bbdd$educpadre)

#Educación de la madre
bbdd$educmadre <-ifelse(bbdd$genero==1, bbdd$educ1, NA)
bbdd$educpadre <-ifelse(is.na(bbdd$educpadre), bbdd$educ2, bbdd$educpadre)

#Descriptivos
educ <- subset(bbdd, select = c("educpadre", "educmadre"))
skim_with(numeric = list(complete=NULL, p25=NULL, p50=NULL, p75=NULL),factor = list(complete=NULL), integer = list(complete=NULL), character = list(complete=NULL))
skim(educ) %>% pander()

Skim summary statistics
n obs: 6342
n variables: 2

variable missing n mean sd p0 p100 hist
educmadre 2946 6342 5.37 2.1 1 10 ▂▃▃▇▂▅▁▃
educpadre 3316 6342 5.52 2.31 1 10 ▃▅▅▇▂▅▂▆

Dicho esto, se propone la siguiente asignación de categorías para los atributos de respuesta:

Valor 1: "Sin estudios"
Valor 2: "Educación Básica o Preparatoria incompleta" 
Valor 3: "Educación Básica o Preparatoria completa"
Valor 4: "Educación Media o Humanidades incompleta"
Valor 5: "Educación Media o Humanidades completa"
Valor 6: "Técnico Superior incompleta"
Valor 7: "Técnico Superior completa"
Valor 8: "Universitaria incompleta"
Valor 9: "Universitaria completa"
Valor 10: "Estudios de posgrado (magíster o doctorado)"
  • Libros en el hogar: variable categórica que identifica la cantidad de libros en el hogar según el informante a cargo del estudiante (padre/madre).

  • Ocupación: La pregunta que responde a esta variable es la siguiente: ¿Cuál es su trabajo principal y la de su cónyuge/pareja? Sin embargo las categorías de respuesta disponible no entregan información suficiente para realizar una medición apropiada de esta dimensión:

    • Valor 0: “Vacío”
    • Valor 1: “Tiene marca”

Esta codificación no nos permite inferir algo sustantivo respectoa la ocupación de los padres.


Puntaje en la prueba de conocimiento

Revisión descriptiva de los puntajes obtenidos en la prueba de conocimiento, en estos análisis preliminares se omite la opción de ponderar las estimaciones debido a la falta de información respecto a la construcción del ponderador.

Skim summary statistics
n obs: 6342
n variables: 1

variable missing n mean sd p0 p100 hist
puntaje 0 6342 480.89 100.17 200.91 762.53 ▁▂▆▇▇▆▂▁


Clima Escolar

Esta variable considera una dimensión con indicadores respectivos a la escuela y el trato de los profesores. A partir de esta información se construye como exploratorio para los análisis un indicador sumativo que incorpora las 9 primeras dimensiones pues refieren a aspectos positivos del clima escolar a diferencia de la última dimensión. Este indicador tiene un rango ajustado de 1 a 28 con una media de 19.09 y una desviación estándar de 4.59.

  • Escuela y profesores:

    clima 1: La mayoría de mis profesores me tratan de manera justa
    clima 2: Los estudiantes se llevan bien con la mayoría de los profesores
    clima 3:. A la mayoría de los profesores les interesa el bienestar de los estudiantes
    clima 4: La mayoría de mis profesores realmente escuchan lo que tengo que decir
    clima 5: Si necesito ayuda extra, mis profesores me la darán
    clima 6: La mayoría de los profesores detendrían el bullying a los estudiantes
    clima 7: La mayoría de los estudiantes de mi escuela se trata con respeto
    clima 8: La mayoría de los estudiantes de mi escuela se lleva bien entre ellos
    clima 9: Mi escuela es un lugar en que los estudiantes se sienten seguros
    clima 10: Tengo miedo de ser víctima de bullying por parte de otros estudiantes

Skim summary statistics
n obs: 6342
n variables: 10

variable missing n mean sd p0 p100 hist
clima1 61 6342 3.2 0.72 1 4 ▁▁▁▁▁▇▁▅
clima10 179 6342 1.99 1.03 1 4 ▇▁▆▁▁▃▁▂
clima2 74 6342 2.78 0.74 1 4 ▁▁▃▁▁▇▁▂
clima3 99 6342 3.21 0.69 1 4 ▁▁▂▁▁▇▁▅
clima4 139 6342 3.09 0.72 1 4 ▁▁▂▁▁▇▁▅
clima5 244 6342 3.17 0.72 1 4 ▁▁▂▁▁▇▁▅
clima6 253 6342 3.23 0.79 1 4 ▁▁▂▁▁▇▁▇
clima7 260 6342 2.58 0.84 1 4 ▂▁▆▁▁▇▁▂
clima8 199 6342 2.77 0.77 1 4 ▁▁▃▁▁▇▁▂
clima9 194 6342 3.04 0.72 1 4 ▁▁▂▁▁▇▁▃

Skim summary statistics
n obs:
n variables:

variable missing n mean sd p0 p100 hist
bbdd$clima_esc 712 6342 19.09 4.59 1 28 ▁▁▁▂▅▇▃▂

  • Espacios de discusión: esta dimensión refiere especificamente a un clima escolar favorable a espacios de discusión particular, lo cual está íntimamente ligado a la hipótesis de este proyecto de investigación. A partir de esta información se construye como propuesta un indicador sumativo con un rango ajustado de 1 a 19, media de 13.56 y desviación estándar de 3.69. Estos indicadores son solo de uso instrumental.

    Discusión 1: Los profesores estimulan a los estudiantes a formar sus propias opiniones
    Discusión 2: Los profesores estimulan a los estudiantes a expresar sus opiniones
    Discusión 3: Los estudiantes plantean hechos políticos de actualidad para ser discutidos en clases
    Discusión 4: Los estudiantes expresan sus opiniones en clases, aun cuando sean distintas a las de los demás
    Discusión 5: Los profesores estimulan a los estudiantes a conversar los temas con gente que opina distinto
    Discusión 6: Los profesores exponen los temas desde los distintos enfoques al explicarlos en clases

Skim summary statistics
n obs: 6342
n variables: 6

variable missing n mean sd p0 p100 hist
discusion1 101 6342 3.24 0.78 1 4 ▁▁▂▁▁▇▁▇
discusion2 124 6342 3.41 0.74 1 4 ▁▁▁▁▁▅▁▇
discusion3 175 6342 2.6 0.9 1 4 ▂▁▆▁▁▇▁▃
discusion4 171 6342 3.17 0.8 1 4 ▁▁▃▁▁▇▁▇
discusion5 225 6342 2.98 0.88 1 4 ▁▁▃▁▁▇▁▆
discusion6 198 6342 3.15 0.83 1 4 ▁▁▂▁▁▇▁▇

Skim summary statistics
n obs:
n variables:

variable missing n mean sd p0 p100 hist
bbdd$discusion 462 6342 13.56 3.69 1 19 ▁▁▂▃▅▇▆▇


Variables Espejo: vínculo entre padres e hijos

A continuación se presenta la codificación y análisis descriptivo / correlacional exploratorio con las principales variables de estudio que se replican integramente en los cuestionarios para padres e hijos. Cabe mencionar que el análisis considera una base de datos con 6243 observaciones correspondiente a los datos disponibles, aunque es posible observar mayor cantidad de missing dada la respuesta en blanco de algunas variables.

Interés Político

¿Cuánto te interesas por temas políticas y sociales?

1. Nada
2. Poco
3. Bastante
4. Mucho
  • Descriptivos:

Skim summary statistics
n obs: 6342
n variables: 2

variable missing n mean sd p0 p100 hist
intpol_al 93 6342 2.15 0.8 1 4 ▃▁▇▁▁▃▁▁
intpol_pap 133 6342 2.26 0.96 1 4 ▅▁▃▁▁▇▁▁

  • Correlaciones Policóricas: Se presentan correlaciones asumiendo la variable como categórica (tabla de correlaciones) y como continua (gráfico de asociación de las variables).

  • Regresión Múltiple lineal: Se presentan un modelo que asume la variable dependiente e independiente del modelo como continuas y otro modelo asumiendo dichas variables como categóricas ordinales.
#Ajustamos variable
#Variable continua
Hmisc::label(bbdd$intpol_al) <- 'Interés Político (Alumnos)'
Hmisc::label(bbdd$intpol_pap) <- 'Interés Político (Padres)'
#Variable Categórica
bbdd$intpol_alc <-factor(bbdd$intpol_al, levels = c(1,2,3,4), labels = c("Nada", "Poco", "Bastante", "Mucho"))
bbdd$intpol_papc <-factor(bbdd$intpol_pap, levels = c(1,2,3,4), labels = c("Nada", "Poco", "Bastante", "Mucho"))

#Modelo de regresión múltiple lineal
#Base de datos para estimación
bbdd1 <- subset(bbdd, select = c("intpol_al", "intpol_pap", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#bbdd2 <- subset(bbdd, select = c("intpol_al", "intpol_pap", "puntaje", "clima_esc", "discusion", "educmadre", "libros"))
#bbdd2$libros <- as.numeric(bbdd2$libros)
#bbdd2 <- na.omit(bbdd2)
#cor(bbdd2)

#Modelos
m1 <- lm(intpol_al~intpol_pap, data=bbdd1)
m2 <- lm(intpol_al~intpol_pap + puntaje, data=bbdd1)
m3 <- lm(intpol_al~intpol_pap + puntaje + sexo, data=bbdd1)
m4 <- lm(intpol_al~intpol_pap + puntaje + sexo + clima_esc, data=bbdd1)
m5 <- lm(intpol_al~intpol_pap + puntaje + sexo + clima_esc + discusion, data=bbdd1)
m6 <- lm(intpol_al~intpol_pap + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1)
m7 <- lm(intpol_al~intpol_pap + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1)
m8 <- lm(intpol_al~intpol_pap + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1)
m9 <- lm(intpol_al~intpol_pap + sexo + clima_esc + libros + discusion + intpol_pap*puntaje,  data=bbdd1)
m10 <- lm(intpol_al~intpol_pap + puntaje + sexo + clima_esc + libros + intpol_pap*discusion,  data=bbdd1)
m11 <- lm(intpol_al~intpol_pap + puntaje + sexo + libros + discusion + intpol_pap*clima_esc,  data=bbdd1)

#Tabla con las regresiones
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos de regresión lineal interés político (estudiantes)",  order=c(1,2,4,5,7,10:13,3,6,8,9,14:17),
          covariate.labels=c("Interés politico (Padre)", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros: 10 a 25", "Libros: 26 a 100", "Libros: 101 a 102", "Libros: 200 o más"),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo",
                          "Modelo", "Modelo", "Modelo", "Modelo", "Modelo"), 
          dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "Interés en política (estudiante)",
          type ='html', font.size = "small", align = TRUE, omit.stat=c("f", "ser"), column.sep.width = "-15pt")
Modelos de regresión lineal interés político (estudiantes)
Variable Dependiente
Interés en política (estudiante)
Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Interés politico (Padre) 0.099*** 0.076*** 0.076*** 0.076*** 0.080*** 0.072*** 0.071*** 0.072*** -0.089* 0.129*** 0.072
(0.011) (0.010) (0.010) (0.011) (0.011) (0.011) (0.011) (0.011) (0.054) (0.042) (0.047)
Conocimiento cívico 0.002*** 0.002*** 0.002*** 0.002*** 0.001*** 0.001*** 0.002*** 0.001** 0.001*** 0.001***
(0.0001) (0.0001) (0.0001) (0.0001) (0.0001) (0.0002) (0.0004) (0.0003) (0.0001) (0.0001)
Hombre -0.024 -0.029 -0.011 -0.013 -0.013 -0.013 -0.013 -0.014 -0.013
(0.020) (0.021) (0.021) (0.021) (0.021) (0.021) (0.021) (0.021) (0.021)
Clima Escolar 0.019*** 0.007*** 0.007*** 0.007*** 0.007*** 0.007*** 0.007*** 0.007
(0.002) (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.006)
Espacios de discusion 0.029*** 0.030*** 0.030*** 0.036*** 0.030*** 0.039*** 0.030***
(0.003) (0.003) (0.003) (0.014) (0.003) (0.007) (0.003)
Libros: 10 a 25 0.082*** 0.240* 0.082*** 0.084*** 0.082*** 0.082***
(0.027) (0.135) (0.027) (0.027) (0.027) (0.027)
Libros: 26 a 100 0.144*** 0.112 0.144*** 0.144*** 0.145*** 0.144***
(0.029) (0.146) (0.029) (0.029) (0.029) (0.029)
Libros: 101 a 102 0.250*** 0.140 0.250*** 0.246*** 0.251*** 0.250***
(0.043) (0.218) (0.043) (0.043) (0.043) (0.043)
Libros: 200 o más 0.268*** -0.642** 0.268*** 0.263*** 0.268*** 0.268***
(0.052) (0.259) (0.052) (0.052) (0.052) (0.052)
intpol_pap:puntaje 0.0003***
(0.0001)
intpol_pap:clima_esc 0.00001
(0.002)
puntaje:discusion -0.00001
(0.00003)
intpol_pap:discusion -0.004
(0.003)
puntaje:libros10 a 25 -0.0003
(0.0003)
puntaje:libros26 a 100 0.0001
(0.0003)
puntaje:libros101 a 200 0.0002
(0.0004)
puntaje:libros200 o más 0.002***
(0.0005)
Constant 1.930*** 1.080*** 1.101*** 0.794*** 0.622*** 0.655*** 0.676*** 0.565*** 1.022*** 0.529*** 0.655***
(0.026) (0.052) (0.055) (0.068) (0.072) (0.073) (0.108) (0.196) (0.140) (0.115) (0.125)
Observations 6,119 6,119 6,119 5,475 5,244 5,208 5,208 5,208 5,208 5,208 5,208
R2 0.014 0.068 0.068 0.081 0.094 0.104 0.107 0.104 0.105 0.104 0.104
Adjusted R2 0.014 0.068 0.068 0.080 0.093 0.102 0.104 0.102 0.103 0.102 0.102
Note: p<0.1; p<0.05; p<0.01

  • Regresión Múltiple logística ordinal:
#Base de datos con nuestras variables
bbdd1 <- subset(bbdd, select = c("intpol_alc", "intpol_papc", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#Modelos de regresión logístico ordinales
library(MASS)
m1 <- polr(intpol_alc~intpol_papc, data=bbdd1,Hess = TRUE)
m2 <- polr(intpol_alc~intpol_papc + puntaje, data=bbdd1,Hess = TRUE)
m3 <- polr(intpol_alc~intpol_papc + puntaje + sexo, data=bbdd1,Hess = TRUE)
m4 <- polr(intpol_alc~intpol_papc + puntaje + sexo + clima_esc, data=bbdd1,Hess = TRUE)
m5 <- polr(intpol_alc~intpol_papc + puntaje + sexo + clima_esc + discusion, data=bbdd1, Hess = TRUE)
m6 <- polr(intpol_alc~intpol_papc + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1,Hess = TRUE)
m7 <- polr(intpol_alc~intpol_papc + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1,Hess = TRUE)
m8 <- polr(intpol_alc~intpol_papc + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1,Hess = TRUE)
m9 <- polr(intpol_alc~intpol_papc + sexo + clima_esc + libros + discusion + intpol_papc*puntaje,  data=bbdd1,Hess = TRUE)
m10 <- polr(intpol_alc~intpol_papc + puntaje + sexo + clima_esc + libros + intpol_papc*discusion,  data=bbdd1,Hess = TRUE)
m11 <- polr(intpol_alc~intpol_papc + puntaje + sexo + libros + discusion + intpol_papc*clima_esc,  data=bbdd1,Hess = TRUE)

#Modelo de regresión logístico ordinal 
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos logísticos ordinales interés político (estudiantes)", order = c(1:4,8:9,13,18:21,5:7,10:12,14:17,22:28),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo"), covariate.labels=c("Interés politico (Padre):Poco", "Interés politico (Padre):Bastante", "Interés politico (Padre):Mucho", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
           dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "Interés en política (estudiante)",
          type ='html', font.size = "small", align = TRUE, column.sep.width = "-15pt", ord.intercepts = T, style="all2")
Modelos logísticos ordinales interés político (estudiantes)
Variable Dependiente
Interés en política (estudiante)
Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Interés politico (Padre):Poco 0.743*** 0.528*** 0.532*** 0.552*** 0.595*** 0.528*** 0.522*** 0.527*** -0.175 1.280*** 1.064***
(0.074) (0.076) (0.076) (0.081) (0.083) (0.084) (0.084) (0.0005) (0.158) (0.279) (0.332)
Interés politico (Padre):Bastante 0.395*** 0.309*** 0.310*** 0.324*** 0.357*** 0.335*** 0.333*** 0.334*** -0.049 0.715*** 0.187
(0.056) (0.056) (0.056) (0.060) (0.061) (0.062) (0.062) (0.001) (0.210) (0.208) (0.239)
Interés politico (Padre):Mucho 1.270*** 0.988*** 0.992*** 1.004*** 1.021*** 0.916*** 0.902*** 0.915*** -1.905*** 2.076*** 2.204***
(0.120) (0.120) (0.120) (0.128) (0.131) (0.134) (0.134) (0.0004) (0.022) (0.156) (0.142)
Conocimiento cívico 0.004*** 0.004*** 0.004*** 0.004*** 0.003*** 0.004*** 0.005*** 0.003*** 0.003*** 0.003***
(0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0004) (0.0002) (0.0003) (0.0003) (0.0003)
Hombre -0.071 -0.090* -0.042 -0.046 -0.046 -0.045*** -0.049 -0.047 -0.043
(0.049) (0.052) (0.053) (0.054) (0.054) (0.001) (0.054) (0.054) (0.054)
Clima Escolar 0.050*** 0.019*** 0.019*** 0.019*** 0.019*** 0.019*** 0.019*** 0.023**
(0.006) (0.007) (0.007) (0.007) (0.006) (0.007) (0.007) (0.010)
Espacios de discusion 0.079*** 0.081*** 0.080*** 0.121*** 0.081*** 0.108*** 0.082***
(0.009) (0.009) (0.009) (0.008) (0.009) (0.012) (0.009)
Libros hogar: 11 a 25 0.208*** 0.738*** 0.209*** 0.209*** 0.204*** 0.204***
(0.067) (0.283) (0.001) (0.067) (0.067) (0.067)
Libros hogar: 26 a 100 0.331*** 0.389 0.332*** 0.332*** 0.330*** 0.329***
(0.073) (0.308) (0.0003) (0.074) (0.074) (0.074)
Libros hogar: 101 a 200 0.527*** 0.377** 0.526*** 0.509*** 0.521*** 0.528***
(0.109) (0.179) (0.0003) (0.110) (0.109) (0.109)
Libros hogar: 200 o más 0.545*** -1.562*** 0.548*** 0.515*** 0.547*** 0.540***
(0.138) (0.077) (0.0003) (0.138) (0.138) (0.138)
intpol_papcPoco:puntaje 0.001***
(0.0003)
intpol_papcBastante:puntaje 0.001*
(0.0004)
intpol_papcMucho:puntaje 0.005***
(0.0003)
intpol_papcPoco:clima_esc -0.028
(0.017)
intpol_papcBastante:clima_esc 0.008
(0.012)
intpol_papcMucho:clima_esc -0.067***
(0.010)
puntaje:discusion -0.0001
intpol_papcPoco:discusion -0.055***
(0.020)
intpol_papcBastante:discusion -0.028*
(0.015)
intpol_papcMucho:discusion -0.085***
(0.014)
puntaje:libros10 a 25 -0.001*
(0.001)
puntaje:libros26 a 100 -0.0001
(0.001)
puntaje:libros101 a 200 0.0003
(0.0004)
puntaje:libros200 o más 0.004***
(0.0003)
Nada| Poco -1.039*** 0.908*** 0.847*** 1.633*** 2.099*** 2.068*** 2.124*** 2.625*** 1.636*** 2.431*** 2.152***
(0.046) (0.123) (0.130) (0.169) (0.181) (0.184) (0.206) (0.001) (0.177) (0.205) (0.217)
Poco| Bastante 1.236*** 3.267*** 3.207*** 4.060*** 4.548*** 4.529*** 4.587*** 5.087*** 4.098*** 4.897*** 4.618***
(0.047) (0.130) (0.137) (0.177) (0.191) (0.193) (0.214) (0.042) (0.185) (0.212) (0.224)
Bastante| Mucho 3.241*** 5.321*** 5.260*** 6.151*** 6.656*** 6.652*** 6.718*** 7.208*** 6.235*** 7.017*** 6.741***
(0.069) (0.144) (0.150) (0.190) (0.204) (0.206) (0.226) (0.068) (0.198) (0.223) (0.234)
Observations 6,119 6,119 6,119 5,475 5,244 5,208 5,208 5,208 5,208 5,208 5,208
Residual Deviance 14,203.210 (df = 6113) 13,905.380 (df = 6112) 13,903.290 (df = 6111) 12,282.030 (df = 5466) 11,694.370 (df = 5234) 11,574.700 (df = 5194) 11,558.320 (df = 5190) 11,573.360 (df = 5193) 11,556.380 (df = 5191) 11,564.890 (df = 5191) 11,565.010 (df = 5191)
Note: p<0.1; p<0.05; p<0.01

Error: Confidence intervals could not be computed.


Ideas autoritarias

Para esta sección se realizó una selección de las 4 variables más relevantes según los objetivos del proyecto:

  Las dictaduras se justifican cuando traen beneficios económicos   
  La concentración del poder en una sola persona garantiza el orden y la seguridad
  El gobierno debería cerrar los medios de comunicación que lo critiquen    
  Si el presidente no está de acuerdo con el Congreso debería disolverlo
  
  1. Muy en desacuerdo
  2. En desacuerdo
  3. De acuerdo
  4. Muy de acuerdo
  

1. Las dictaduras se justifican cuando traen beneficios económicos

  • Descriptivos:

Skim summary statistics
n obs: 6342
n variables: 2

variable missing n mean sd p0 p100 hist
dicta_al 294 6342 2.21 0.89 1 4 ▆▁▇▁▁▇▁▁
dicta_pap 636 6342 2.01 0.86 1 4 ▆▁▇▁▁▅▁▁

  • Correlaciones Policóricas: Se presentan correlaciones asumiendo la variable como categórica (tabla de correlaciones) y como continua (gráfico de asociación de las variables).

  • Regresión Múltiple lineal: Se presentan un modelo que asume la variable dependiente e independiente del modelo como continuas y otro modelo asumiendo dichas variables como categóricas ordinales.
#Ajustamos variable
#Variable continua
Hmisc::label(bbdd$dicta_al) <- 'Justificación Dictadura (Alumnos)'
Hmisc::label(bbdd$dicta_pap) <- 'Justificación Dictadura (Padres)'
#Variable Categórica
bbdd$dicta_alc <-factor(bbdd$dicta_al, levels = c(1,2,3,4), labels = c("Muy desacuerdo", "En desacuerdo", "De acuerdo", "Muy de acuerdo"))
bbdd$dicta_papc <-factor(bbdd$dicta_pap, levels = c(1,2,3,4), labels = c("Muy desacuerdo", "En desacuerdo", "De acuerdo", "Muy de acuerdo"))

#Modelo de regresión múltiple lineal
#Base de datos para estimación
bbdd1 <- subset(bbdd, select = c("dicta_al", "dicta_pap", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#bbdd2 <- subset(bbdd, select = c("dicta_al", "dicta_pap", "puntaje", "clima_esc", "discusion", "educmadre", "libros"))
#bbdd2$libros <- as.numeric(bbdd2$libros)
#bbdd2 <- na.omit(bbdd2)
#cor(bbdd2)

#1. Modelo original 
m1 <- lm(dicta_al~dicta_pap, data=bbdd1)
m2 <- lm(dicta_al~dicta_pap + puntaje, data=bbdd1)
m3 <- lm(dicta_al~dicta_pap + puntaje + sexo, data=bbdd1)
m4 <- lm(dicta_al~dicta_pap + puntaje + sexo + clima_esc, data=bbdd1)
m5 <- lm(dicta_al~dicta_pap + puntaje + sexo + clima_esc + discusion, data=bbdd1)
m6 <- lm(dicta_al~dicta_pap + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1)
m7 <- lm(dicta_al~dicta_pap + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1)
m8 <- lm(dicta_al~dicta_pap + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1)
m9 <- lm(dicta_al~dicta_pap + sexo + clima_esc + libros + discusion + dicta_pap*puntaje,  data=bbdd1)
m10 <- lm(dicta_al~dicta_pap + puntaje + sexo + clima_esc + libros + dicta_pap*discusion,  data=bbdd1)
m11 <- lm(dicta_al~dicta_pap + puntaje + sexo + libros + discusion + dicta_pap*clima_esc,  data=bbdd1)

#Tabla con las regresiones
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos de regresión lineal justificación de la dictadura (estudiantes)",order=c(1,2,4,5,7,10:13,3,6,8,9,14:17),
           covariate.labels=c("Justificación Dictadura (Padre)", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo", "Modelo", "Modelo", "Modelo", "Modelo"), 
          dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "Justificación de la dictadura por beneficios económicos (estudiante)",
          type ='html', font.size = "small", align = TRUE, omit.stat=c("f", "ser"), column.sep.width = "-15pt")
Modelos de regresión lineal justificación de la dictadura (estudiantes)
Variable Dependiente
Justificación de la dictadura por beneficios económicos (estudiante)
Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Justificación Dictadura (Padre) 0.117*** 0.099*** 0.096*** 0.092*** 0.088*** 0.084*** 0.084*** 0.083*** -0.112 -0.037 -0.131**
(0.014) (0.014) (0.014) (0.014) (0.015) (0.015) (0.015) (0.015) (0.071) (0.057) (0.063)
Conocimiento cívico -0.001*** -0.001*** -0.001*** -0.001*** -0.001*** -0.001*** 0.002*** -0.002*** -0.001*** -0.001***
(0.0001) (0.0001) (0.0001) (0.0001) (0.0001) (0.0002) (0.0005) (0.0003) (0.0001) (0.0001)
Hombre -0.087*** -0.081*** -0.053** -0.053** -0.057** -0.053** -0.052** -0.052** -0.053**
(0.024) (0.025) (0.025) (0.025) (0.026) (0.025) (0.025) (0.025) (0.025)
Clima Escolar 0.027*** 0.014*** 0.014*** 0.014*** 0.013*** 0.014*** 0.014*** -0.009
(0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.007)
Espacios de discusion 0.035*** 0.035*** 0.035*** 0.146*** 0.035*** 0.018** 0.035***
(0.004) (0.004) (0.004) (0.017) (0.004) (0.009) (0.004)
Libros hogar: 11 a 25 0.009 0.246 0.010 0.008 0.010 0.010
(0.032) (0.164) (0.032) (0.032) (0.032) (0.032)
Libros hogar: 26 a 100 -0.022 0.481*** -0.018 -0.024 -0.021 -0.019
(0.035) (0.176) (0.035) (0.035) (0.035) (0.035)
Libros hogar: 101 a 200 -0.021 0.546** -0.022 -0.018 -0.022 -0.019
(0.051) (0.261) (0.050) (0.051) (0.051) (0.051)
Libros hogar: 200 o más -0.141** 0.363 -0.138** -0.131** -0.139** -0.139**
(0.061) (0.311) (0.061) (0.061) (0.061) (0.061)
dicta_pap:puntaje 0.0004***
(0.0001)
dicta_pap:clima_esc 0.011***
(0.003)
puntaje:discusion -0.0002***
(0.00003)
dicta_pap:discusion 0.009**
(0.004)
puntaje:libros10 a 25 -0.001
(0.0003)
puntaje:libros26 a 100 -0.001***
(0.0004)
puntaje:libros101 a 200 -0.001**
(0.0005)
puntaje:libros200 o más -0.001*
(0.001)
Constant 1.968*** 2.536*** 2.621*** 2.181*** 1.963*** 1.958*** 1.679*** 0.464* 2.353*** 2.194*** 2.386***
(0.030) (0.069) (0.072) (0.088) (0.092) (0.093) (0.134) (0.239) (0.168) (0.143) (0.153)
Observations 5,453 5,453 5,453 4,912 4,716 4,688 4,688 4,688 4,688 4,688 4,688
R2 0.013 0.028 0.031 0.051 0.067 0.068 0.070 0.077 0.070 0.069 0.071
Adjusted R2 0.013 0.028 0.030 0.051 0.066 0.066 0.068 0.075 0.068 0.067 0.069
Note: p<0.1; p<0.05; p<0.01

  • Regresión Múltiple logística ordinal:
#Base de datos con nuestras variables
bbdd1 <- subset(bbdd, select = c("dicta_alc", "dicta_papc", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#Modelos de regresión logístico ordinales
library(MASS)
m1 <- polr(dicta_alc~dicta_papc, data=bbdd1,Hess = TRUE)
m2 <- polr(dicta_alc~dicta_papc + puntaje, data=bbdd1,Hess = TRUE)
m3 <- polr(dicta_alc~dicta_papc + puntaje + sexo, data=bbdd1,Hess = TRUE)
m4 <- polr(dicta_alc~dicta_papc + puntaje + sexo + clima_esc, data=bbdd1,Hess = TRUE)
m5 <- polr(dicta_alc~dicta_papc + puntaje + sexo + clima_esc + discusion, data=bbdd1, Hess = TRUE)
m6 <- polr(dicta_alc~dicta_papc + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1,Hess = TRUE)
m7 <- polr(dicta_alc~dicta_papc + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1,Hess = TRUE)
m8 <- polr(dicta_alc~dicta_papc + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1,Hess = TRUE)
m9 <- polr(dicta_alc~dicta_papc + sexo + clima_esc + libros + discusion + dicta_papc*puntaje,  data=bbdd1,Hess = TRUE)
m10 <- polr(dicta_alc~dicta_papc + puntaje + sexo + clima_esc + libros + dicta_papc*discusion,  data=bbdd1,Hess = TRUE)
m11 <- polr(dicta_alc~dicta_papc + puntaje + sexo + libros + discusion + dicta_papc*clima_esc,  data=bbdd1,Hess = TRUE)

#Modelo de regresión logístico ordinal 
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos logísticos ordinales justificación dictadura (estudiantes)", order = c(1:4,8:9,13,18:21,5:7,10:12,14:17,22:28),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo"), covariate.labels=c("Justificación dictadura (Padre): En desacuerdo", "Justificación dictadura (Padre): De acuerdo", "Justificación dictadura (Padre): Muy de acuerdo", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
           dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "Justificación de la dictadura por beneficios económicos (estudiante)",
          type ='html', font.size = "small", align = TRUE, column.sep.width = "-15pt", ord.intercepts = T, style="all2")
Modelos logísticos ordinales justificación dictadura (estudiantes)
Variable Dependiente
Justificación de la dictadura por beneficios económicos (estudiante)
Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Justificación dictadura (Padre): En desacuerdo 0.328*** 0.296*** 0.292*** 0.286*** 0.292*** 0.279*** 0.272*** 0.278*** -0.572*** 0.160 -0.382
(0.059) (0.059) (0.059) (0.062) (0.064) (0.064) (0.064) (0.040) (0.191) (0.224) (0.245)
Justificación dictadura (Padre): De acuerdo 0.593*** 0.512*** 0.498*** 0.479*** 0.470*** 0.445*** 0.441*** 0.438*** -0.610*** -0.223 -0.619**
(0.069) (0.069) (0.069) (0.073) (0.075) (0.076) (0.076) (0.027) (0.178) (0.281) (0.297)
Justificación dictadura (Padre): Muy de acuerdo 0.525*** 0.435*** 0.416*** 0.415*** 0.372*** 0.349*** 0.357*** 0.357*** -0.441*** -0.395*** -0.818***
(0.118) (0.119) (0.119) (0.125) (0.128) (0.128) (0.128) (0.002) (0.015) (0.118) (0.162)
Conocimiento cívico -0.002*** -0.003*** -0.003*** -0.003*** -0.003*** -0.002*** 0.004*** -0.004*** -0.003*** -0.003***
(0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0002) (0.0003) (0.0003) (0.0003)
Hombre -0.216*** -0.205*** -0.142*** -0.143*** -0.152*** -0.141*** -0.141** -0.141** -0.144***
(0.050) (0.053) (0.055) (0.055) (0.055) (0.018) (0.055) (0.055) (0.055)
Clima Escolar 0.063*** 0.034*** 0.034*** 0.035*** 0.034*** 0.034*** 0.033*** 0.004
(0.006) (0.007) (0.007) (0.007) (0.007) (0.007) (0.007) (0.009)
Espacios de discusion 0.079*** 0.079*** 0.079*** 0.334*** 0.079*** 0.063*** 0.079***
(0.009) (0.009) (0.009) (0.008) (0.009) (0.012) (0.009)
Libros hogar: 11 a 25 0.012 0.518** 0.011 0.014 0.017 0.019
(0.069) (0.208) (0.036) (0.069) (0.069) (0.069)
Libros hogar: 26 a 100 -0.058 1.004*** -0.049 -0.056 -0.054 -0.049
(0.074) (0.191) (0.030) (0.074) (0.074) (0.074)
Libros hogar: 101 a 200 -0.060 1.200*** -0.070*** -0.048 -0.060 -0.056
(0.111) (0.011) (0.001) (0.111) (0.111) (0.111)
Libros hogar: 200 o más -0.393*** 0.732*** -0.383*** -0.360*** -0.387*** -0.385***
(0.138) (0.007) (0.001) (0.138) (0.138) (0.138)
dicta_papcEn desacuerdo:puntaje 0.002***
(0.0004)
dicta_papcDe acuerdo:puntaje 0.002***
(0.0004)
dicta_papcMuy de acuerdo:puntaje 0.002***
(0.0003)
dicta_papcEn desacuerdo:clima_esc 0.035***
(0.013)
dicta_papcDe acuerdo:clima_esc 0.056***
(0.015)
dicta_papcMuy de acuerdo:clima_esc 0.061***
(0.011)
puntaje:discusion -0.001
dicta_papcEn desacuerdo:discusion 0.009
(0.016)
dicta_papcDe acuerdo:discusion 0.049**
(0.020)
dicta_papcMuy de acuerdo:discusion 0.053***
(0.012)
puntaje:libros10 a 25 -0.001**
(0.0004)
puntaje:libros26 a 100 -0.002***
(0.0004)
puntaje:libros101 a 200 -0.003***
(0.0002)
puntaje:libros200 o más -0.002***
(0.0003)
Muy desacuerdo| En desacuerdo -0.794*** -2.014*** -2.220*** -1.247*** -0.757*** -0.737*** -0.148 2.700*** -1.360*** -0.951*** -1.290***
(0.047) (0.139) (0.147) (0.184) (0.194) (0.195) (0.163) (0.003) (0.157) (0.218) (0.219)
En desacuerdo| De acuerdo 0.699*** -0.500*** -0.700*** 0.305* 0.815*** 0.837*** 1.428*** 4.283*** 0.216 0.623*** 0.285
(0.047) (0.136) (0.144) (0.182) (0.193) (0.195) (0.164) (0.035) (0.158) (0.218) (0.218)
De acuerdo| Muy de acuerdo 3.146*** 1.967*** 1.771*** 2.796*** 3.324*** 3.345*** 3.938*** 6.816*** 2.724*** 3.136*** 2.802***
(0.071) (0.144) (0.151) (0.191) (0.202) (0.204) (0.174) (0.069) (0.168) (0.226) (0.226)
Observations 5,453 5,453 5,453 4,912 4,716 4,688 4,688 4,688 4,688 4,688 4,688
Residual Deviance 13,478.440 (df = 5447) 13,387.740 (df = 5446) 13,369.290 (df = 5445) 11,942.870 (df = 4903) 11,381.870 (df = 4706) 11,308.690 (df = 4674) 11,297.670 (df = 4670) 11,260.860 (df = 4673) 11,298.650 (df = 4671) 11,301.940 (df = 4671) 11,295.590 (df = 4671)
Note: p<0.1; p<0.05; p<0.01

Error: Confidence intervals could not be computed.


2. La concentración del poder en una sola persona garantiza el orden y la seguridad

  • Descriptivos:

Skim summary statistics
n obs: 6342
n variables: 2

variable missing n mean sd p0 p100 hist
dicta2_al 359 6342 2.27 0.94 1 4 ▆▁▇▁▁▇▁▂
dicta2_pap 623 6342 2.75 0.88 1 4 ▂▁▃▁▁▇▁▃

  • Correlaciones Policóricas: Se presentan correlaciones asumiendo la variable como categórica (tabla de correlaciones) y como continua (gráfico de asociación de las variables).

  • Regresión Múltiple lineal: Se presentan un modelo que asume la variable dependiente e independiente del modelo como continuas y otro modelo asumiendo dichas variables como categóricas ordinales.
#Ajustamos variable
#Variable continua
Hmisc::label(bbdd$dicta2_al) <- 'Concentración del poder (Alumnos)'
Hmisc::label(bbdd$dicta2_pap) <- 'Concentración del poder (Padres)'
#Variable Categórica
bbdd$dicta2_alc <-factor(bbdd$dicta2_al, levels = c(1,2,3,4), labels = c("Muy desacuerdo", "En desacuerdo", "De acuerdo", "Muy de acuerdo"))
bbdd$dicta2_papc <-factor(bbdd$dicta2_pap, levels = c(1,2,3,4), labels = c("Muy desacuerdo", "En desacuerdo", "De acuerdo", "Muy de acuerdo"))

#Modelo de regresión múltiple lineal
#Base de datos para estimación
bbdd1 <- subset(bbdd, select = c("dicta2_al", "dicta2_pap", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#bbdd2 <- subset(bbdd, select = c("dicta_al", "dicta_pap", "puntaje", "clima_esc", "discusion", "educmadre", "libros"))
#bbdd2$libros <- as.numeric(bbdd2$libros)
#bbdd2 <- na.omit(bbdd2)
#cor(bbdd2)

#1. Modelo original 
m1 <- lm(dicta2_al~dicta2_pap, data=bbdd1)
m2 <- lm(dicta2_al~dicta2_pap + puntaje, data=bbdd1)
m3 <- lm(dicta2_al~dicta2_pap + puntaje + sexo, data=bbdd1)
m4 <- lm(dicta2_al~dicta2_pap + puntaje + sexo + clima_esc, data=bbdd1)
m5 <- lm(dicta2_al~dicta2_pap + puntaje + sexo + clima_esc + discusion, data=bbdd1)
m6 <- lm(dicta2_al~dicta2_pap + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1)
m7 <- lm(dicta2_al~dicta2_pap + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1)
m8 <- lm(dicta2_al~dicta2_pap + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1)
m9 <- lm(dicta2_al~dicta2_pap + sexo + clima_esc + libros + discusion + dicta2_pap*puntaje,  data=bbdd1)
m10 <- lm(dicta2_al~dicta2_pap + puntaje + sexo + clima_esc + libros + dicta2_pap*discusion,  data=bbdd1)
m11 <- lm(dicta2_al~dicta2_pap + puntaje + sexo + libros + discusion + dicta2_pap*clima_esc,  data=bbdd1)

#Tabla con las regresiones
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos de regresión lineal concetración del poder (estudiantes)",order=c(1,2,4,5,7,10:13,3,6,8,9,14:17),
           covariate.labels=c("Concentración del poder (Padre)", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo", "Modelo", "Modelo", "Modelo", "Modelo"), 
          dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "La concentración del poder en una sola persona garantiza el orden y la seguridad",
          type ='html', font.size = "small", align = TRUE, omit.stat=c("f", "ser"), column.sep.width = "-15pt")
Modelos de regresión lineal concetración del poder (estudiantes)
Variable Dependiente
La concentración del poder en una sola persona garantiza el orden y la seguridad
Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Concentración del poder (Padre) -0.020 0.013 0.012 0.008 0.006 0.010 0.010 0.008 0.134* 0.069 -0.018
(0.014) (0.014) (0.014) (0.015) (0.015) (0.015) (0.015) (0.015) (0.075) (0.056) (0.063)
Conocimiento cívico -0.002*** -0.002*** -0.002*** -0.002*** -0.002*** -0.001*** 0.001* -0.002*** -0.002*** -0.002***
(0.0001) (0.0001) (0.0001) (0.0001) (0.0001) (0.0003) (0.001) (0.0005) (0.0001) (0.0001)
Hombre -0.169*** -0.159*** -0.137*** -0.136*** -0.141*** -0.137*** -0.136*** -0.137*** -0.136***
(0.025) (0.026) (0.027) (0.027) (0.027) (0.027) (0.027) (0.027) (0.027)
Clima Escolar 0.028*** 0.016*** 0.016*** 0.016*** 0.016*** 0.016*** 0.016*** 0.012
(0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.010)
Espacios de discusion 0.031*** 0.031*** 0.030*** 0.146*** 0.031*** 0.043*** 0.031***
(0.004) (0.004) (0.004) (0.018) (0.004) (0.012) (0.004)
Libros hogar: 11 a 25 0.002 0.506*** 0.005 0.001 0.002 0.003
(0.034) (0.172) (0.034) (0.034) (0.034) (0.034)
Libros hogar: 26 a 100 -0.033 0.719*** -0.029 -0.034 -0.034 -0.033
(0.037) (0.185) (0.036) (0.037) (0.037) (0.037)
Libros hogar: 101 a 200 -0.095* 0.776*** -0.095* -0.095* -0.096* -0.095*
(0.053) (0.272) (0.053) (0.053) (0.053) (0.053)
Libros hogar: 200 o más -0.125* 0.699** -0.123* -0.118* -0.126* -0.126*
(0.065) (0.331) (0.064) (0.065) (0.065) (0.065)
dicta2_pap:puntaje -0.0003*
(0.0002)
dicta2_pap:clima_esc 0.001
(0.003)
puntaje:discusion -0.0002***
(0.00004)
dicta2_pap:discusion -0.004
(0.004)
puntaje:libros10 a 25 -0.001***
(0.0004)
puntaje:libros26 a 100 -0.002***
(0.0004)
puntaje:libros101 a 200 -0.002***
(0.001)
puntaje:libros200 o más -0.002***
(0.001)
Constant 2.314*** 3.251*** 3.399*** 2.941*** 2.767*** 2.735*** 2.264*** 1.172*** 2.389*** 2.574*** 2.811***
(0.042) (0.069) (0.072) (0.089) (0.094) (0.095) (0.140) (0.252) (0.225) (0.173) (0.193)
Observations 5,401 5,401 5,401 4,880 4,691 4,666 4,666 4,666 4,666 4,666 4,666
R2 0.0003 0.050 0.058 0.078 0.087 0.088 0.093 0.097 0.089 0.089 0.088
Adjusted R2 0.0002 0.050 0.058 0.077 0.087 0.087 0.091 0.095 0.087 0.087 0.087
Note: p<0.1; p<0.05; p<0.01

  • Regresión Múltiple logística ordinal:
#Base de datos con nuestras variables
bbdd1 <- subset(bbdd, select = c("dicta2_alc", "dicta2_papc", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#Modelos de regresión logístico ordinales
library(MASS)
m1 <- polr(dicta2_alc~dicta2_papc, data=bbdd1,Hess = TRUE)
m2 <- polr(dicta2_alc~dicta2_papc + puntaje, data=bbdd1,Hess = TRUE)
m3 <- polr(dicta2_alc~dicta2_papc + puntaje + sexo, data=bbdd1,Hess = TRUE)
m4 <- polr(dicta2_alc~dicta2_papc + puntaje + sexo + clima_esc, data=bbdd1,Hess = TRUE)
m5 <- polr(dicta2_alc~dicta2_papc + puntaje + sexo + clima_esc + discusion, data=bbdd1, Hess = TRUE)
m6 <- polr(dicta2_alc~dicta2_papc + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1,Hess = TRUE)
m7 <- polr(dicta2_alc~dicta2_papc + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1,Hess = TRUE)
m8 <- polr(dicta2_alc~dicta2_papc + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1,Hess = TRUE)
m9 <- polr(dicta2_alc~dicta2_papc + sexo + clima_esc + libros + discusion + dicta2_papc*puntaje,  data=bbdd1,Hess = TRUE)
m10 <- polr(dicta2_alc~dicta2_papc + puntaje + sexo + clima_esc + libros + dicta2_papc*discusion,  data=bbdd1,Hess = TRUE)
m11 <- polr(dicta2_alc~dicta2_papc + puntaje + sexo + libros + discusion + dicta2_papc*clima_esc,  data=bbdd1,Hess = TRUE)

#Modelo de regresión logístico ordinal 
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos logísticos ordinales para concentración del poder (estudiantes)", order = c(1:4,8:9,13,18:21,5:7,10:12,14:17,22:28),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo"), covariate.labels=c("Concentración del poder (Padre): En desacuerdo", "Concentración del poder (Padre): De acuerdo", "Concentración del poder (Padre):Muy de acuerdo", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
           dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "La concentración del poder en una sola persona garantiza el orden y la seguridad",
          type ='html', font.size = "small", align = TRUE, column.sep.width = "-15pt", ord.intercepts = T, style="all2")
Modelos logísticos ordinales para concentración del poder (estudiantes)
Variable Dependiente
La concentración del poder en una sola persona garantiza el orden y la seguridad
Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Concentración del poder (Padre): En desacuerdo -0.101 -0.044 -0.046 -0.044 0.003 -0.002 -0.002 -0.006 -0.460* 0.762*** 0.085
(0.093) (0.094) (0.094) (0.099) (0.101) (0.102) (0.102) (0.019) (0.244) (0.193) (0.217)
Concentración del poder (Padre): De acuerdo -0.023 0.104 0.103 0.059 0.082 0.087 0.085 0.082** 0.178 0.817*** -0.224
(0.083) (0.084) (0.084) (0.089) (0.091) (0.091) (0.091) (0.039) (0.190) (0.150) (0.166)
Concentración del poder (Padre):Muy de acuerdo -0.186** -0.00005 -0.001 0.004 0.022 0.040 0.043 0.032* 0.571** 0.763*** 0.263
(0.095) (0.096) (0.096) (0.102) (0.103) (0.104) (0.104) (0.017) (0.258) (0.195) (0.219)
Conocimiento cívico -0.004*** -0.005*** -0.005*** -0.005*** -0.005*** -0.003*** 0.003*** -0.005*** -0.005*** -0.005***
(0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0002) (0.0003) (0.0003) (0.0003)
Hombre -0.345*** -0.326*** -0.282*** -0.279*** -0.289*** -0.283*** -0.280*** -0.280*** -0.280***
(0.050) (0.053) (0.055) (0.055) (0.055) (0.017) (0.055) (0.055) (0.055)
Clima Escolar 0.060*** 0.036*** 0.035*** 0.037*** 0.036*** 0.036*** 0.035*** 0.031***
(0.006) (0.007) (0.007) (0.007) (0.007) (0.007) (0.007) (0.008)
Espacios de discusion 0.062*** 0.062*** 0.062*** 0.329*** 0.062*** 0.110*** 0.063***
(0.009) (0.009) (0.009) (0.008) (0.009) (0.010) (0.009)
Libros hogar: 11 a 25 0.002 0.987*** 0.005 -0.001 0.00002 0.0003
(0.069) (0.209) (0.036) (0.069) (0.069) (0.069)
Libros hogar: 26 a 100 -0.062 1.397*** -0.055* -0.063 -0.066 -0.062
(0.074) (0.194) (0.029) (0.074) (0.074) (0.074)
Libros hogar: 101 a 200 -0.191* 1.603*** -0.197*** -0.187* -0.189* -0.191*
(0.109) (0.012) (0.001) (0.110) (0.109) (0.109)
Libros hogar: 200 o más -0.262* 1.794*** -0.259*** -0.247* -0.265* -0.270*
(0.139) (0.006) (0.001) (0.140) (0.139) (0.139)
dicta2_papcEn desacuerdo:puntaje 0.001*
(0.001)
dicta2_papcDe acuerdo:puntaje -0.0002
(0.0004)
dicta2_papcMuy de acuerdo:puntaje -0.001**
(0.001)
dicta2_papcEn desacuerdo:clima_esc -0.005
(0.012)
dicta2_papcDe acuerdo:clima_esc 0.016*
(0.009)
dicta2_papcMuy de acuerdo:clima_esc -0.011
(0.012)
puntaje:discusion -0.001
dicta2_papcEn desacuerdo:discusion -0.057***
(0.015)
dicta2_papcDe acuerdo:discusion -0.054***
(0.012)
dicta2_papcMuy de acuerdo:discusion -0.053***
(0.015)
puntaje:libros10 a 25 -0.002***
(0.0004)
puntaje:libros26 a 100 -0.003***
(0.0004)
puntaje:libros101 a 200 -0.004***
(0.0002)
puntaje:libros200 o más -0.004***
(0.0003)
Muy desacuerdo| En desacuerdo -1.118*** -3.163*** -3.471*** -2.557*** -2.165*** -2.109*** -1.181*** 1.459*** -2.062*** -1.467*** -2.207***
(0.078) (0.147) (0.155) (0.189) (0.199) (0.201) (0.169) (0.003) (0.158) (0.154) (0.157)
En desacuerdo| De acuerdo 0.202*** -1.781*** -2.079*** -1.139*** -0.741*** -0.683*** 0.251 2.895*** -0.635*** -0.039 -0.781***
(0.076) (0.142) (0.149) (0.185) (0.196) (0.199) (0.167) (0.034) (0.156) (0.152) (0.154)
De acuerdo| Muy de acuerdo 2.294*** 0.373*** 0.084 1.056*** 1.463*** 1.515*** 2.451*** 5.117*** 1.564*** 2.159*** 1.418***
(0.086) (0.144) (0.150) (0.188) (0.200) (0.202) (0.172) (0.059) (0.161) (0.157) (0.159)
Observations 5,401 5,401 5,401 4,880 4,691 4,666 4,666 4,666 4,666 4,666 4,666
Residual Deviance 13,941.290 (df = 5395) 13,649.850 (df = 5394) 13,602.820 (df = 5393) 12,191.650 (df = 4871) 11,677.760 (df = 4681) 11,617.150 (df = 4652) 11,593.840 (df = 4648) 11,564.500 (df = 4651) 11,611.700 (df = 4649) 11,611.750 (df = 4649) 11,613.450 (df = 4649)
Note: p<0.1; p<0.05; p<0.01

Error: Confidence intervals could not be computed.


3. El gobierno debería cerrar los medios de comunicación que lo critiquen

  • Descriptivos:

Skim summary statistics
n obs: 6342
n variables: 2

variable missing n mean sd p0 p100 hist
dicta3_al 379 6342 1.92 0.91 1 4 ▇▁▆▁▁▅▁▁
dicta3_pap 577 6342 1.54 0.72 1 4 ▇▁▅▁▁▁▁▁

  • Correlaciones Policóricas: Se presentan correlaciones asumiendo la variable como categórica (tabla de correlaciones) y como continua (gráfico de asociación de las variables).

  • Regresión Múltiple lineal: Se presentan un modelo que asume la variable dependiente e independiente del modelo como continuas y otro modelo asumiendo dichas variables como categóricas ordinales.
#Ajustamos variable
#Variable continua
Hmisc::label(bbdd$dicta3_al) <- 'Concentración del poder (Alumnos)'
Hmisc::label(bbdd$dicta3_pap) <- 'Concentración del poder (Padres)'
#Variable Categórica
bbdd$dicta3_alc <-factor(bbdd$dicta3_al, levels = c(1,2,3,4), labels = c("Muy desacuerdo", "En desacuerdo", "De acuerdo", "Muy de acuerdo"))
bbdd$dicta3_papc <-factor(bbdd$dicta3_pap, levels = c(1,2,3,4), labels = c("Muy desacuerdo", "En desacuerdo", "De acuerdo", "Muy de acuerdo"))

#Modelo de regresión múltiple lineal
#Base de datos para estimación
bbdd1 <- subset(bbdd, select = c("dicta3_al", "dicta3_pap", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#bbdd2 <- subset(bbdd, select = c("dicta_al", "dicta_pap", "puntaje", "clima_esc", "discusion", "educmadre", "libros"))
#bbdd2$libros <- as.numeric(bbdd2$libros)
#bbdd2 <- na.omit(bbdd2)
#cor(bbdd2)

#1. Modelo original 
m1 <- lm(dicta3_al~dicta3_pap, data=bbdd1)
m2 <- lm(dicta3_al~dicta3_pap + puntaje, data=bbdd1)
m3 <- lm(dicta3_al~dicta3_pap + puntaje + sexo, data=bbdd1)
m4 <- lm(dicta3_al~dicta3_pap + puntaje + sexo + clima_esc, data=bbdd1)
m5 <- lm(dicta3_al~dicta3_pap + puntaje + sexo + clima_esc + discusion, data=bbdd1)
m6 <- lm(dicta3_al~dicta3_pap + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1)
m7 <- lm(dicta3_al~dicta3_pap + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1)
m8 <- lm(dicta3_al~dicta3_pap + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1)
m9 <- lm(dicta3_al~dicta3_pap + sexo + clima_esc + libros + discusion + dicta3_pap*puntaje,  data=bbdd1)
m10 <- lm(dicta3_al~dicta3_pap + puntaje + sexo + clima_esc + libros + dicta3_pap*discusion,  data=bbdd1)
m11 <- lm(dicta3_al~dicta3_pap + puntaje + sexo + libros + discusion + dicta3_pap*clima_esc,  data=bbdd1)

#Tabla con las regresiones
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos de regresión lineal cierre de medios de comunicación (estudiantes)",order=c(1,2,4,5,7,10:13,3,6,8,9,14:17),
           covariate.labels=c("Cierre de medios (Padre)", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo", "Modelo", "Modelo", "Modelo", "Modelo"), 
          dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "El gobierno debería cerrar los medios de comunicación que lo critiquen",
          type ='html', font.size = "small", align = TRUE, omit.stat=c("f", "ser"), column.sep.width = "-15pt")
Modelos de regresión lineal cierre de medios de comunicación (estudiantes)
Variable Dependiente
El gobierno debería cerrar los medios de comunicación que lo critiquen
Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Cierre de medios (Padre) 0.161*** 0.100*** 0.096*** 0.088*** 0.083*** 0.078*** 0.077*** 0.077*** -0.111 -0.031 -0.081
(0.017) (0.016) (0.016) (0.017) (0.018) (0.018) (0.018) (0.018) (0.086) (0.070) (0.075)
Conocimiento cívico -0.003*** -0.003*** -0.003*** -0.003*** -0.003*** -0.002*** -0.001 -0.003*** -0.003*** -0.003***
(0.0001) (0.0001) (0.0001) (0.0001) (0.0001) (0.0002) (0.0005) (0.0003) (0.0001) (0.0001)
Hombre -0.094*** -0.095*** -0.073*** -0.077*** -0.081*** -0.077*** -0.077*** -0.077*** -0.077***
(0.023) (0.024) (0.025) (0.025) (0.025) (0.025) (0.025) (0.025) (0.025)
Clima Escolar 0.021*** 0.009*** 0.009*** 0.009*** 0.009*** 0.009*** 0.009*** -0.004
(0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.007)
Espacios de discusion 0.030*** 0.030*** 0.030*** 0.108*** 0.030*** 0.018** 0.030***
(0.004) (0.004) (0.004) (0.017) (0.004) (0.008) (0.004)
Libros hogar: 11 a 25 0.011 0.585*** 0.012 0.010 0.011 0.012
(0.032) (0.161) (0.031) (0.032) (0.032) (0.032)
Libros hogar: 26 a 100 -0.004 0.693*** -0.001 -0.004 -0.004 -0.001
(0.034) (0.173) (0.034) (0.034) (0.034) (0.034)
Libros hogar: 101 a 200 -0.068 0.572** -0.070 -0.063 -0.069 -0.065
(0.050) (0.257) (0.050) (0.050) (0.050) (0.050)
Libros hogar: 200 o más -0.083 0.866*** -0.082 -0.072 -0.083 -0.081
(0.060) (0.308) (0.060) (0.061) (0.060) (0.060)
dicta3_pap:puntaje 0.0004**
(0.0002)
dicta3_pap:clima_esc 0.008**
(0.004)
puntaje:discusion -0.0002***
(0.00003)
dicta3_pap:discusion 0.008
(0.005)
puntaje:libros10 a 25 -0.001***
(0.0003)
puntaje:libros26 a 100 -0.001***
(0.0004)
puntaje:libros101 a 200 -0.001***
(0.0005)
puntaje:libros200 o más -0.002***
(0.001)
Constant 1.659*** 3.054*** 3.144*** 2.817*** 2.658*** 2.656*** 2.196*** 1.599*** 2.943*** 2.820*** 2.899***
(0.029) (0.067) (0.070) (0.086) (0.090) (0.091) (0.131) (0.236) (0.157) (0.137) (0.144)
Observations 5,435 5,435 5,435 4,909 4,721 4,693 4,693 4,693 4,693 4,693 4,693
R2 0.016 0.103 0.106 0.117 0.127 0.129 0.134 0.133 0.130 0.130 0.130
Adjusted R2 0.016 0.103 0.105 0.116 0.126 0.127 0.131 0.132 0.128 0.128 0.128
Note: p<0.1; p<0.05; p<0.01

  • Regresión Múltiple logística ordinal:
#Base de datos con nuestras variables
bbdd1 <- subset(bbdd, select = c("dicta3_alc", "dicta3_papc", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#Modelos de regresión logístico ordinales
library(MASS)
m1 <- polr(dicta3_alc~dicta3_papc, data=bbdd1,Hess = TRUE)
m2 <- polr(dicta3_alc~dicta3_papc + puntaje, data=bbdd1,Hess = TRUE)
m3 <- polr(dicta3_alc~dicta3_papc + puntaje + sexo, data=bbdd1,Hess = TRUE)
m4 <- polr(dicta3_alc~dicta3_papc + puntaje + sexo + clima_esc, data=bbdd1,Hess = TRUE)
m5 <- polr(dicta3_alc~dicta3_papc + puntaje + sexo + clima_esc + discusion, data=bbdd1, Hess = TRUE)
m6 <- polr(dicta3_alc~dicta3_papc + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1,Hess = TRUE)
m7 <- polr(dicta3_alc~dicta3_papc + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1,Hess = TRUE)
m8 <- polr(dicta3_alc~dicta3_papc + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1,Hess = TRUE)
m9 <- polr(dicta3_alc~dicta3_papc + sexo + clima_esc + libros + discusion + dicta3_papc*puntaje,  data=bbdd1,Hess = TRUE)
m10 <- polr(dicta3_alc~dicta3_papc + puntaje + sexo + clima_esc + libros + dicta3_papc*discusion,  data=bbdd1,Hess = TRUE)
m11 <- polr(dicta3_alc~dicta3_papc + puntaje + sexo + libros + discusion + dicta3_papc*clima_esc,  data=bbdd1,Hess = TRUE)

#Modelo de regresión logístico ordinal 
#Tabla con las regresiones
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos logísticos ordinales para cierre de medios de comunicación (estudiantes)", order = c(1:4,8:9,13,18:21,5:7,10:12,14:17,22:28),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo"), covariate.labels=c("Cierre de medios (Padre): En desacuerdo", "Cierre de medios (Padre): De acuerdo", "Cierre de medios (Padre):Muy de acuerdo", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
           dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "El gobierno debería cerrar los medios de comunicación que lo critiquen",
          type ='html', font.size = "small", align = TRUE, column.sep.width = "-15pt", ord.intercepts = T, style="all2")
Modelos logísticos ordinales para cierre de medios de comunicación (estudiantes)
Variable Dependiente
El gobierno debería cerrar los medios de comunicación que lo critiquen
Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Cierre de medios (Padre): En desacuerdo 0.507*** 0.381*** 0.371*** 0.373*** 0.352*** 0.327*** 0.318*** 0.328*** -0.388 0.110 0.078
(0.054) (0.055) (0.055) (0.058) (0.059) (0.060) (0.060) (0.015) (0.290) (0.228) (0.246)
Cierre de medios (Padre): De acuerdo 0.720*** 0.453*** 0.437*** 0.420*** 0.397*** 0.372*** 0.359*** 0.371*** -1.689*** -0.154*** -0.432***
(0.097) (0.100) (0.100) (0.105) (0.108) (0.109) (0.109) (0.001) (0.072) (0.058) (0.076)
Cierre de medios (Padre):Muy de acuerdo 0.471** 0.304 0.267 0.142 0.128 0.118 0.126 0.109*** 1.152*** -0.484*** -1.265***
(0.187) (0.187) (0.187) (0.203) (0.211) (0.212) (0.212) (0.001) (0.014) (0.007) (0.008)
Conocimiento cívico -0.006*** -0.006*** -0.006*** -0.007*** -0.007*** -0.004*** -0.002*** -0.007*** -0.007*** -0.007***
(0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0002) (0.0004) (0.0003) (0.0003)
Hombre -0.259*** -0.258*** -0.212*** -0.218*** -0.228*** -0.217*** -0.220*** -0.219*** -0.218***
(0.052) (0.055) (0.056) (0.056) (0.057) (0.013) (0.057) (0.056) (0.056)
Clima Escolar 0.047*** 0.021*** 0.021*** 0.022*** 0.021*** 0.021*** 0.021*** 0.011
(0.006) (0.007) (0.007) (0.007) (0.007) (0.007) (0.007) (0.008)
Espacios de discusion 0.068*** 0.067*** 0.067*** 0.235*** 0.068*** 0.059*** 0.068***
(0.009) (0.009) (0.009) (0.008) (0.009) (0.011) (0.009)
Libros hogar: 11 a 25 0.025 1.218*** 0.028 0.029 0.024 0.028
(0.070) (0.215) (0.036) (0.070) (0.070) (0.070)
Libros hogar: 26 a 100 0.017 1.538*** 0.021 0.023 0.017 0.025
(0.076) (0.199) (0.029) (0.076) (0.076) (0.076)
Libros hogar: 101 a 200 -0.163 1.708*** -0.167*** -0.142 -0.163 -0.156
(0.117) (0.012) (0.001) (0.117) (0.117) (0.117)
Libros hogar: 200 o más -0.385** 2.878*** -0.375*** -0.341** -0.381** -0.371**
(0.152) (0.006) (0.001) (0.152) (0.152) (0.152)
dicta3_papcEn desacuerdo:puntaje 0.001**
(0.001)
dicta3_papcDe acuerdo:puntaje 0.005***
(0.0003)
dicta3_papcMuy de acuerdo:puntaje -0.002***
(0.0005)
dicta3_papcEn desacuerdo:clima_esc 0.013
(0.013)
dicta3_papcDe acuerdo:clima_esc 0.042***
(0.007)
dicta3_papcMuy de acuerdo:clima_esc 0.067***
(0.010)
puntaje:discusion -0.0004
dicta3_papcEn desacuerdo:discusion 0.016
(0.016)
dicta3_papcDe acuerdo:discusion 0.039***
(0.009)
dicta3_papcMuy de acuerdo:discusion 0.041***
(0.014)
puntaje:libros10 a 25 -0.003***
(0.0005)
puntaje:libros26 a 100 -0.003***
(0.0004)
puntaje:libros101 a 200 -0.004***
(0.0002)
puntaje:libros200 o más -0.006***
(0.0003)
Muy desacuerdo| En desacuerdo -0.147*** -3.136*** -3.384*** -2.669*** -2.303*** -2.286*** -1.245*** -0.018*** -2.664*** -2.407*** -2.456***
(0.035) (0.142) (0.151) (0.187) (0.198) (0.200) (0.168) (0.003) (0.216) (0.207) (0.207)
En desacuerdo| De acuerdo 1.271*** -1.611*** -1.853*** -1.126*** -0.741*** -0.724*** 0.321* 1.550*** -1.099*** -0.845*** -0.892***
(0.039) (0.138) (0.146) (0.183) (0.195) (0.197) (0.166) (0.036) (0.213) (0.204) (0.204)
De acuerdo| Muy de acuerdo 3.262*** 0.455*** 0.216 0.948*** 1.331*** 1.347*** 2.394*** 3.634*** 0.972*** 1.229*** 1.183***
(0.069) (0.145) (0.153) (0.191) (0.203) (0.205) (0.176) (0.072) (0.220) (0.211) (0.212)
Observations 5,435 5,435 5,435 4,909 4,721 4,693 4,693 4,693 4,693 4,693 4,693
Residual Deviance 13,016.620 (df = 5429) 12,513.140 (df = 5428) 12,488.050 (df = 5427) 11,227.660 (df = 4900) 10,735.100 (df = 4711) 10,659.980 (df = 4679) 10,629.150 (df = 4675) 10,640.880 (df = 4678) 10,641.550 (df = 4676) 10,657.780 (df = 4676) 10,654.890 (df = 4676)
Note: p<0.1; p<0.05; p<0.01

Error: Confidence intervals could not be computed.


4. Si el presidente no está de acuerdo con el congreso, debería disolverlo

  • Descriptivos:

Skim summary statistics
n obs: 6342
n variables: 2

variable missing n mean sd p0 p100 hist
dicta4_al 417 6342 2.11 0.92 1 4 ▇▁▇▁▁▆▁▂
dicta4_pap 626 6342 1.89 0.94 1 4 ▇▁▆▁▁▃▁▂

  • Correlaciones Policóricas: Se presentan correlaciones asumiendo la variable como categórica (tabla de correlaciones) y como continua (gráfico de asociación de las variables).

  • Regresión Múltiple lineal: Se presentan un modelo que asume la variable dependiente e independiente del modelo como continuas y otro modelo asumiendo dichas variables como categóricas ordinales.
#Ajustamos variable
#Variable continua
Hmisc::label(bbdd$dicta4_al) <- 'Disolver el congreso (Alumnos)'
Hmisc::label(bbdd$dicta4_pap) <- 'Disolver el congreso (Padres)'
#Variable Categórica
bbdd$dicta4_alc <-factor(bbdd$dicta4_al, levels = c(1,2,3,4), labels = c("Muy desacuerdo", "En desacuerdo", "De acuerdo", "Muy de acuerdo"))
bbdd$dicta4_papc <-factor(bbdd$dicta4_pap, levels = c(1,2,3,4), labels = c("Muy desacuerdo", "En desacuerdo", "De acuerdo", "Muy de acuerdo"))

#Modelo de regresión múltiple lineal
#Base de datos para estimación
bbdd1 <- subset(bbdd, select = c("dicta4_al", "dicta4_pap", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#bbdd2 <- subset(bbdd, select = c("dicta_al", "dicta_pap", "puntaje", "clima_esc", "discusion", "educmadre", "libros"))
#bbdd2$libros <- as.numeric(bbdd2$libros)
#bbdd2 <- na.omit(bbdd2)
#cor(bbdd2)

#1. Modelo original 
m1 <- lm(dicta4_al~dicta4_pap, data=bbdd1)
m2 <- lm(dicta4_al~dicta4_pap + puntaje, data=bbdd1)
m3 <- lm(dicta4_al~dicta4_pap + puntaje + sexo, data=bbdd1)
m4 <- lm(dicta4_al~dicta4_pap + puntaje + sexo + clima_esc, data=bbdd1)
m5 <- lm(dicta4_al~dicta4_pap + puntaje + sexo + clima_esc + discusion, data=bbdd1)
m6 <- lm(dicta4_al~dicta4_pap + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1)
m7 <- lm(dicta4_al~dicta4_pap + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1)
m8 <- lm(dicta4_al~dicta4_pap + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1)
m9 <- lm(dicta4_al~dicta4_pap + sexo + clima_esc + libros + discusion + dicta4_pap*puntaje,  data=bbdd1)
m10 <- lm(dicta4_al~dicta4_pap + puntaje + sexo + clima_esc + libros + dicta4_pap*discusion,  data=bbdd1)
m11 <- lm(dicta4_al~dicta4_pap + puntaje + sexo + libros + discusion + dicta4_pap*clima_esc,  data=bbdd1)

#Tabla con las regresiones
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos de regresión lineal disolver el congreso (estudiantes)",order=c(1,2,4,5,7,10:13,3,6,8,9,14:17),
           covariate.labels=c("Disolver el congreso (Padre)", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo", "Modelo", "Modelo", "Modelo", "Modelo"), 
          dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "Si el presidente no está de acuerdo con el congreso, debería disolverlo",
          type ='html', font.size = "small", align = TRUE, omit.stat=c("f", "ser"), column.sep.width = "-15pt")
Modelos de regresión lineal disolver el congreso (estudiantes)
Variable Dependiente
Si el presidente no está de acuerdo con el congreso, debería disolverlo
Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Disolver el congreso (Padre) 0.141*** 0.100*** 0.098*** 0.104*** 0.103*** 0.101*** 0.099*** 0.102*** -0.286*** -0.011 -0.065
(0.013) (0.013) (0.013) (0.014) (0.014) (0.014) (0.014) (0.014) (0.068) (0.053) (0.060)
Conocimiento cívico -0.002*** -0.002*** -0.002*** -0.002*** -0.002*** -0.001*** 0.0001 -0.004*** -0.002*** -0.002***
(0.0001) (0.0001) (0.0001) (0.0001) (0.0001) (0.0003) (0.0005) (0.0003) (0.0001) (0.0001)
Hombre -0.092*** -0.095*** -0.079*** -0.081*** -0.085*** -0.081*** -0.081*** -0.080*** -0.081***
(0.024) (0.026) (0.026) (0.026) (0.026) (0.026) (0.026) (0.026) (0.026)
Clima Escolar 0.017*** 0.007** 0.007** 0.008** 0.007** 0.008** 0.007** -0.009
(0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.003) (0.007)
Espacios de discusion 0.023*** 0.023*** 0.023*** 0.105*** 0.022*** 0.008 0.023***
(0.004) (0.004) (0.004) (0.017) (0.004) (0.008) (0.004)
Libros hogar: 11 a 25 0.027 0.422** 0.029 0.025 0.028 0.028
(0.033) (0.168) (0.033) (0.033) (0.033) (0.033)
Libros hogar: 26 a 100 -0.014 0.551*** -0.011 -0.012 -0.014 -0.013
(0.036) (0.181) (0.036) (0.036) (0.036) (0.036)
Libros hogar: 101 a 200 -0.030 0.699*** -0.031 -0.011 -0.031 -0.029
(0.052) (0.267) (0.052) (0.052) (0.052) (0.052)
Libros hogar: 200 o más -0.055 0.612* -0.052 -0.019 -0.053 -0.051
(0.064) (0.318) (0.063) (0.064) (0.064) (0.064)
dicta4_pap:puntaje 0.001***
(0.0001)
dicta4_pap:clima_esc 0.009***
(0.003)
puntaje:discusion -0.0002***
(0.00003)
dicta4_pap:discusion 0.008**
(0.004)
puntaje:libros10 a 25 -0.001**
(0.0004)
puntaje:libros26 a 100 -0.001***
(0.0004)
puntaje:libros101 a 200 -0.001***
(0.001)
puntaje:libros200 o más -0.001**
(0.001)
Constant 1.836*** 2.934*** 3.019*** 2.731*** 2.595*** 2.581*** 2.218*** 1.473*** 3.297*** 2.789*** 2.890***
(0.028) (0.070) (0.073) (0.091) (0.095) (0.096) (0.138) (0.247) (0.156) (0.135) (0.145)
Observations 5,358 5,358 5,358 4,849 4,673 4,646 4,646 4,646 4,646 4,646 4,646
R2 0.021 0.071 0.074 0.083 0.091 0.090 0.093 0.095 0.097 0.091 0.092
Adjusted R2 0.021 0.071 0.073 0.082 0.090 0.088 0.090 0.093 0.095 0.089 0.090
Note: p<0.1; p<0.05; p<0.01

  • Regresión Múltiple logística ordinal:
#Base de datos con nuestras variables
bbdd1 <- subset(bbdd, select = c("dicta4_alc", "dicta4_papc", "puntaje", "sexo", "clima_esc", "discusion", "educmadre", "educpadre", "libros"))

#Modelos de regresión logístico ordinales
library(MASS)
m1 <- polr(dicta4_alc~dicta4_papc, data=bbdd1,Hess = TRUE)
m2 <- polr(dicta4_alc~dicta4_papc + puntaje, data=bbdd1,Hess = TRUE)
m3 <- polr(dicta4_alc~dicta4_papc + puntaje + sexo, data=bbdd1,Hess = TRUE)
m4 <- polr(dicta4_alc~dicta4_papc + puntaje + sexo + clima_esc, data=bbdd1,Hess = TRUE)
m5 <- polr(dicta4_alc~dicta4_papc + puntaje + sexo + clima_esc + discusion, data=bbdd1, Hess = TRUE)
m6 <- polr(dicta4_alc~dicta4_papc + puntaje + sexo + clima_esc + discusion + libros, data=bbdd1,Hess = TRUE)
m7 <- polr(dicta4_alc~dicta4_papc + sexo + clima_esc + discusion + puntaje*libros,  data=bbdd1,Hess = TRUE)
m8 <- polr(dicta4_alc~dicta4_papc + sexo + clima_esc + libros + puntaje*discusion,  data=bbdd1,Hess = TRUE)
m9 <- polr(dicta4_alc~dicta4_papc + sexo + clima_esc + libros + discusion + dicta4_papc*puntaje,  data=bbdd1,Hess = TRUE)
m10 <- polr(dicta4_alc~dicta4_papc + puntaje + sexo + clima_esc + libros + dicta4_papc*discusion,  data=bbdd1,Hess = TRUE)
m11 <- polr(dicta4_alc~dicta4_papc + puntaje + sexo + libros + discusion + dicta4_papc*clima_esc,  data=bbdd1,Hess = TRUE)

#Modelo de regresión logístico ordinal 
stargazer(m1,m2,m3,m4,m5,m6,m7,m8,m9,m10,m11, title = "Modelos logísticos ordinales para disolver el congreso  (estudiantes)", order = c(1:4,8:9,13,18:21,5:7,10:12,14:17,22:28),
          column.labels=c("Modelo","Modelo","Modelo","Modelo","Modelo", "Modelo", "Modelo"), covariate.labels=c("Disolver el congreso (Padre): En desacuerdo", "Disolver el congreso (Padre): De acuerdo", "Disolver el congreso (Padre):Muy de acuerdo", "Conocimiento cívico", "Hombre", "Clima Escolar", "Espacios de discusion", "Libros hogar: 11 a 25", "Libros hogar: 26 a 100", "Libros hogar: 101 a 200", "Libros hogar: 200 o más"),
           dep.var.caption  = "Variable Dependiente",
          dep.var.labels   = "Si el presidente no está de acuerdo con el congreso, debería disolverlo",
          type ='html', font.size = "small", align = TRUE, column.sep.width = "-15pt", ord.intercepts = T, style="all2")
Modelos logísticos ordinales para disolver el congreso (estudiantes)
Variable Dependiente
Si el presidente no está de acuerdo con el congreso, debería disolverlo
Modelo Modelo Modelo Modelo Modelo Modelo Modelo
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11)
Disolver el congreso (Padre): En desacuerdo 0.459*** 0.377*** 0.372*** 0.386*** 0.390*** 0.378*** 0.362*** 0.381*** -0.363 -0.007 -0.270
(0.058) (0.059) (0.059) (0.062) (0.063) (0.064) (0.064) (0.014) (0.287) (0.224) (0.243)
Disolver el congreso (Padre): De acuerdo 0.711*** 0.527*** 0.516*** 0.570*** 0.588*** 0.574*** 0.563*** 0.574*** -1.766*** 0.005 -0.205
(0.071) (0.072) (0.072) (0.076) (0.077) (0.079) (0.079) (0.003) (0.344) (0.278) (0.305)
Disolver el congreso (Padre):Muy de acuerdo 0.718*** 0.535*** 0.526*** 0.523*** 0.505*** 0.499*** 0.483*** 0.500*** -1.102*** -0.176 -0.540***
(0.100) (0.101) (0.101) (0.107) (0.110) (0.111) (0.110) (0.0004) (0.201) (0.147) (0.164)
Conocimiento cívico -0.004*** -0.005*** -0.005*** -0.005*** -0.005*** -0.003*** 0.001** -0.006*** -0.005*** -0.005***
(0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0003) (0.0002) (0.0004) (0.0003) (0.0003)
Hombre -0.236*** -0.241*** -0.207*** -0.213*** -0.224*** -0.215*** -0.217*** -0.214*** -0.214***
(0.051) (0.054) (0.055) (0.055) (0.055) (0.017) (0.055) (0.055) (0.055)
Clima Escolar 0.035*** 0.017** 0.017** 0.018** 0.017** 0.018** 0.017** -0.006
(0.006) (0.007) (0.007) (0.007) (0.007) (0.007) (0.007) (0.009)
Espacios de discusion 0.047*** 0.045*** 0.045*** 0.232*** 0.045*** 0.026** 0.046***
(0.009) (0.009) (0.009) (0.008) (0.009) (0.011) (0.009)
Libros hogar: 11 a 25 0.057 0.831*** 0.059* 0.058 0.059 0.059
(0.069) (0.209) (0.035) (0.069) (0.069) (0.069)
Libros hogar: 26 a 100 -0.016 1.181*** -0.010 -0.017 -0.016 -0.014
(0.075) (0.191) (0.027) (0.075) (0.075) (0.075)
Libros hogar: 101 a 200 -0.074 1.643*** -0.078*** -0.025 -0.079 -0.070
(0.112) (0.012) (0.001) (0.113) (0.112) (0.112)
Libros hogar: 200 o más -0.183 1.430*** -0.169*** -0.111 -0.176 -0.174
(0.140) (0.007) (0.001) (0.141) (0.140) (0.140)
dicta4_papcEn desacuerdo:puntaje 0.001**
(0.001)
dicta4_papcDe acuerdo:puntaje 0.005***
(0.001)
dicta4_papcMuy de acuerdo:puntaje 0.003***
(0.001)
dicta4_papcEn desacuerdo:clima_esc 0.034***
(0.013)
dicta4_papcDe acuerdo:clima_esc 0.041***
(0.016)
dicta4_papcMuy de acuerdo:clima_esc 0.055***
(0.010)
puntaje:discusion -0.0004
dicta4_papcEn desacuerdo:discusion 0.028*
(0.016)
dicta4_papcDe acuerdo:discusion 0.042**
(0.020)
dicta4_papcMuy de acuerdo:discusion 0.049***
(0.012)
puntaje:libros10 a 25 -0.002***
(0.0004)
puntaje:libros26 a 100 -0.003***
(0.0004)
puntaje:libros101 a 200 -0.003***
(0.0002)
puntaje:libros200 o más -0.003***
(0.0003)
Muy desacuerdo| En desacuerdo -0.513*** -2.749*** -2.969*** -2.416*** -2.131*** -2.101*** -1.346*** 0.419*** -2.847*** -2.366*** -2.519***
(0.041) (0.143) (0.151) (0.187) (0.197) (0.199) (0.166) (0.003) (0.209) (0.201) (0.206)
En desacuerdo| De acuerdo 1.028*** -1.144*** -1.358*** -0.777*** -0.486** -0.453** 0.305* 2.073*** -1.189*** -0.717*** -0.868***
(0.043) (0.138) (0.146) (0.184) (0.195) (0.196) (0.164) (0.035) (0.207) (0.199) (0.203)
De acuerdo| Muy de acuerdo 2.922*** 0.800*** 0.588*** 1.170*** 1.466*** 1.496*** 2.255*** 4.033*** 0.759*** 1.235*** 1.085***
(0.063) (0.142) (0.150) (0.188) (0.199) (0.201) (0.170) (0.062) (0.211) (0.203) (0.208)
Observations 5,358 5,358 5,358 4,849 4,673 4,646 4,646 4,646 4,646 4,646 4,646
Residual Deviance 13,478.830 (df = 5352) 13,195.700 (df = 5351) 13,174.190 (df = 5350) 11,874.260 (df = 4840) 11,401.260 (df = 4663) 11,333.890 (df = 4632) 11,317.100 (df = 4628) 11,308.280 (df = 4631) 11,294.060 (df = 4629) 11,328.090 (df = 4629) 11,323.710 (df = 4629)
Note: p<0.1; p<0.05; p<0.01

Error: Confidence intervals could not be computed.


Valoración de la democracia

  Las democracias son la mejor forma de gobierno porque aseguran la participación
  El gobierno debe garantizar la libertad de expresión de las personas
  Los gobiernos democráticos fomentan una mayor igualdad entre las personas
  
  1. Muy en desacuerdo
  2. En desacuerdo
  3. De acuerdo
  4. Muy de acuerdo
  

Participación en organizaciones

  Una organización juvenil relacionada con un partido político o sindicato
  Un grupo de acción u organización medioambiental
  Una organización por los derechos humanos
  Un grupo de voluntarios que hacen cosas para ayudar a la comunidad
  Una organización que recauda dinero para una causa social
  Un grupo de jóvenes haciendo una campaña para algún tema
  Un grupo de defensa de los derechos de los animales
  Un grupo u organización religiosa

  1. No, nunca he hecho esto
  2. Sí, dentro de los últimos tres años
  3. Sí, dentro de los últimos doce meses

  Se descartan las siguientes afirmaciones del ítem por no tener su contraparte en el cuestionario de padres:

  Un grupo comunitario de jóvenes (como los scouts)
  Un equipo deportivo

Atributos del buen ciudadano

  Votar en todas las elecciones
  Unirse a un partido político
  Aprender de la historia del país
  Estar informado sobre los temas políticos más relevantes
  Demostrar respeto por los representantes del Estado
  Involucrarse en discusiones políticas
  Participar en protestas pacíficas en contra de las leyes que considera injustas
  Participar en actividades para beneficiar a la gente de su comunidad (barrio, comuna o ciudad)
  Participar en actividades que promuevan los derechos humanos
  Participar en actividades que promuevan la protección del medio ambiente
  Trabajar arduamente
  Obedecer siempre la ley
  Asegurar el bienestar económico de sus familias
  Hacer esfuerzos personales para proteger recursos naturales (ahorrar agua, reciclar basura, etc.)
  Respetar los derechos de los otros a tener sus propias opiniones
  Apoyar a personas que están peor que uno
  Involucrarse en actividades para ayudar a la gente de países menos desarrollados

  1. Sin ninguna importancia
  2. No muy importante
  3. Importante
  4. Muy importante

Confianza en las instituciones

  El congreso Nacional
  Los Tribunales de Justicia
  El Gobierno
  Los partidos políticos
  Los bancos
  Las empresas privadas
  Los carabineros
  Las Fuerzas Armadas
  Los sindicatos    
  Las radios
  La televisión
  Los diarios
  Las redes sociales (por ejemplo Twitter, Youtube)
  
  1. Nada o muy poco
  2. Algo
  3. Bastante
  4. Mucho

Percepciones sobre la paz y violencia

  La paz sólo se logra por medio del diálogo y la negociación
  Para lograr la paz, el fin justifica los medios
  Si las autoridades no actúan, los ciudadanos deben organizarse para castigar a los criminales
  La violencia y/o la fuerza física son medios para lograr lo que uno quiere
  
  1. Muy en desacuerdo
  2. En desacuerdo
  3. De acuerdo
  4. Muy de acuerdo
  

Pendientes

Se omiten estos detalles dado el sentido exploratorio de este reporte.

  • Especificar variables a utilizar
  • Definir indicadores para medir variables relacionadas al clima escolar y discusión al interior de la sala de clases (categorías)
  • Aplicar ponderadores (una vez se tenga mayor conocimiento)
  • Testear homocedasticidad y aplicar errores estándar robustos a las regresiones.

Juan Carlos Castillo, Daniel Miranda & José Conejeros

01/10/2019